面向跨数据集的弱监督仇恨言论分类

正如若干学者所指出的，当前关于仇恨言论（HS）识别的研究以非系统的数据创建策略和分歧的标注模式为特征。随后，监督学习模型往往泛化到未训练过的数据集时表现很差，且使用不同 HS 分类法标注的数据集训练的模型性能无法比较。为缓解此问题，我们提出应用极弱监督，其仅依赖类名而非来自标注数据的类样本。我们展示了最先进的弱监督文本分类模型在各种数据集内和跨数据集设置中的有效性。此外，我们对 HS 分类模型泛化性差的根源进行了深入的定量与定性分析。