AustroTox：用于基于目标的奥地利德语冒犯性语言检测的数据集
原文中文，约1300字，阅读约需4分钟。
📝
内容提要
本文介绍了韩国冒犯性语言数据集（KOLD），包含40,429个注释评论，适用于韩文BERT和RoBERTa模型的训练。研究表明，提供上下文信息显著提升了模型在冒犯性检测和目标分类任务中的性能。
🔎
延伸解读
数据集构建与标注特点
KOLD数据集包含40,429条分层注释的评论，不仅标注了冒犯性，还标注了相应的文本跨度。这种细粒度标注有助于模型学习冒犯性语言的具体表达，为韩语冒犯性检测提供了高质量资源。分层注释可能指多层级标签体系，但文章未详细说明，读者需注意其具体含义可能需查阅原文。
上下文信息的关键作用
文章强调提供上下文信息能显著提升模型性能，尤其在目标组分类任务上提升高达13.1个点。这表明在冒犯性检测中，上下文对于准确识别攻击目标至关重要。然而，文章未说明上下文的具体形式（如对话历史、用户信息等），实际应用中需根据场景设计上下文整合方式。
模型性能提升的差异
在冒犯性检测、目标分类和目标组分类任务中，上下文带来的性能提升分别为0.3、1.5和13.1。目标组分类受益最大，可能因为确定被攻击的群体更依赖上下文线索。但文章未报告基线性能，因此提升的绝对意义需结合具体指标解读。
与其他语言资源的对比
文章提及了巴西葡萄牙语、丹麦语、希腊语、越南语等多个语言的数据集，但未进行直接比较。KOLD作为韩语资源，其规模与标注方式与其他数据集不同，读者可关注其分层注释和跨度标注的独特性，但跨语言性能对比需谨慎。
❓
Q&A
韩国冒犯性语言数据集（KOLD）包含多少个评论？
KOLD包含40,429个分层注释的评论。
KOLD数据集用于哪些模型的训练？
KOLD数据集用于韩文BERT和RoBERTa模型的训练。
提供上下文信息对模型性能的影响如何？
提供上下文信息显著提高了模型在冒犯性检测、目标分类和目标组分类任务中的性能。
在冒犯性检测中，模型性能提升了多少？
在冒犯性检测中，模型性能提升了0.3。
KOLD数据集的注释方式是什么？
KOLD数据集包含分层注释的评论。
KOLD数据集在目标组分类中的性能提升是多少？
在目标组分类中，性能提升了13.1。
🏷️
