一种隐私保护冒犯性语言识别的联邦学习方法
原文约300字，阅读约需1分钟。发表于：。通过引入联邦学习（FL）在辱骂语言识别中的上下文中，我们提出了一种保护用户隐私的去中心化架构，用于辨别网上的辱骂语言。在四个公开可用的英语基准数据集（AHSD、HASOC、HateXplain、OLID）上，我们对多个深度学习模型进行了训练，并进行了详细的性能评估。同时，我们也展示了初步的英语和西班牙语跨语言实验。我们证明了所提出的模型融合方法在所有数据集上优于基准方法，并且能够保护隐私。
研究人员通过引入联邦学习提出了一种去中心化架构，用于辨别网上的辱骂语言，保护用户隐私。他们在四个公开可用的英语基准数据集上进行了训练，并展示了初步的英语和西班牙语跨语言实验。研究结果表明，所提出的模型融合方法在所有数据集上优于基准方法，并且能够保护隐私。
