有毒语言检测：阿拉伯语数据集的系统综述
计算与语言
2024-01-31 v2
摘要
近年来，阿拉伯语中有毒语言的检测已成为一个活跃的研究领域，审查用于训练所开发解决方案的现有数据集已成为一项迫切需求。本文对专注于网络有毒语言的阿拉伯语数据集进行了全面调查。我们系统地收集了共 54 个可用数据集及其对应论文，并进行了详尽的分析，考虑了四个主要维度下的 18 项标准：可用性细节、内容、标注过程和可重用性。该分析使我们能够识别现有差距，并为未来的研究工作提出建议。为了研究社区的便利，所分析的数据集列表维护在一个 GitHub 仓库中 (https://github.com/Imene1/Arabic-toxic-language)。
引用
@article{arxiv.2312.07228,
title = {Toxic language detection: a systematic review of Arabic datasets},
author = {Imene Bensalem and Paolo Rosso and Hanane Zitouni},
journal= {arXiv preprint arXiv:2312.07228},
year = {2024}
}