OPSD：一种冒犯性波斯社交媒体数据集及其基准评估
原文中文，约1300字，阅读约需4分钟。
📝
内容提要
本研究针对社交媒体上的攻击性语言问题，构建了多个数据集并开发了自动分类系统，以检测仇恨言论和网络欺凌。研究表明，采用先进模型可以有效提高检测准确率，促进社交媒体平台对恶意言论的治理。
❓
Q&A
ViHOS数据集包含多少条评论和仇恨言论标注数据？
ViHOS数据集包含11,000条评论和26,000个含有仇恨和攻击性言论的人工标注数据。
哪种模型在攻击性语言检测中表现最佳？
XLM-R $_{Large}$在单个范围检测和所有范围检测方面取得最佳F1分数，PhoBERT $_{Large}$在多个范围检测方面表现最佳。
研究如何帮助解决社交媒体上的恶意言论问题？
研究通过构建多个数据集和开发自动分类系统，旨在提高对仇恨言论和网络欺凌的检测准确率。
如何提高模型在冒犯性语言检测中的性能？
提供上下文信息显著提高模型性能，在冒犯性检测、目标分类和目标组分类方面都有所改善。
该研究是否考虑了不同文化和语言背景？
是的，研究提供了一个多标签的韩国在线仇恨言论数据集，考虑了文化和语言背景。
孟加拉语仇恨言论检测的研究结果如何？
在孟加拉语仇恨言论检测中，SVM模型在构建的30,000条用户评论数据集上获得了87.5%的准确率。
🏷️
