On the Impact of Word Representation in Hate Speech and Offensive Language Detection and Explanation
On the Impact of Word Representation in Hate Speech and Offensive Language Detection and Explanation
复制标题
关于仇恨言论和攻击性语言检测和解释中词语表征的影响
DOI：
10.1145/3374664.3379535
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Costello, Matthew
中科院分区：
文献类型：
--
作者：
Hu, Ruijia;Dorris, Wyatt;Vishwamitra, Nishant;Luo, Feng;Costello, Matthew
网络仇恨言论和攻击性语言已被广泛认为是严重的社会问题。为了解决这个问题，最近出现了几项研究，重点关注使用机器学习方法检测和解释仇恨言论和攻击性语言。虽然这些方法在检测和解释仇恨言论和攻击性语言样本方面非常有效，但它们并没有探索这些样本的表示的影响。在这项工作中，我们引入了一种新颖的，基于发音的仇恨言论和攻击性语言样本表示，以实现其高精度的检测。为了证明我们基于发音表示的有效性，我们扩展了现有的基于深度长短期记忆（LSTM）神经网络的仇恨言论和攻击性语言防御模型，使用我们基于发音的仇恨言论和攻击性语言样本表示来训练该模型。我们的工作发现，基于发音的表示显著降低了数据集中的噪声，并提高了现有模型的整体性能。
Online hate speech and offensive language have been widely recognized as critical social problems. To defend against this problem, several recent works have emerged that focus on the detection and explanation of hate speech and offensive language using machine learning approaches. Although these approaches are quite effective in the detection and explanation of hate speech and offensive language samples, they do not explore the impact of the representation of such samples. In this work, we introduce a novel, pronunciation-based representation of hate speech and offensive language samples to enable its detection with high accuracy. To demonstrate the effectiveness of our pronunciation-based representation, we extend an existing hate-speech and offensive language defense model based on deep Long Short-term Memory (LSTM) neural networks by using our pronunciation-based representation of hate speech and offensive language samples to train this model. Our work finds that the pronunciation-based presentation significantly reduces noise in the datasets and enhances the overall performance of the existing model.
登录
查看更多内容
影响因子：
2
作者：
Sylvain Firer-Blaess;C. Fuchs
通讯作者：
Sylvain Firer-Blaess;C. Fuchs
英语的音节音素
影响因子：
2.1
作者：
G. L. Trager;Bernard Bloch
通讯作者：
Bernard Bloch
点对点仇恨：仇恨言论煽动者及其目标
DOI：
--
发表时间：
2018
期刊：
International Conference on Web and Social Media
影响因子：
--
作者：
Mai Elsherief;Shirin Nilizadeh;Dana Nguyen;Giovanni Vigna;E. Belding
通讯作者：
E. Belding
2017 年网络骚扰
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
Maeve Duggan
通讯作者：
Maeve Duggan
动员特朗普列车：理解政治恶搞社区中的集体行动
DOI：
--
发表时间：
2018
期刊：
International Conference on Web and Social Media
影响因子：
--
作者：
Claudia Flores;Brian Keegan;Saiph Savage
通讯作者：
Saiph Savage