Specializing General-purpose LLM Embeddings for Implicit Hate Speech Detection across Datasets
EPFL（苏黎世联邦理工学院）；Idiap Research Institute（Idiap研究机构）
本文提出仅微调基于大语言模型的通用嵌入模型（如 Stella、Jasper、NV-Embed 和 E5）即可在隐式仇恨言论检测中取得最先进性能，跨数据集 F1-macro 最高提升 20.35 个百分点。
2025-08-28 cs.CL
Systematic Literature Review: Computational Approaches for Humour Style Classification
California Polytechnic State University（加州州立理工大学）；Imperial College London（伦敦帝国学院）
本系统文献综述调查了幽默与讽刺识别等计算技术，揭示了可用于幽默风格分类的特征与模型，并指出了研究空白与未来方向。
2024-01-30 cs.AI cs.CL cs.LG
QutNocturnal@HASOC'19: CNN for Hate Speech and Offensive Content Identification in Hindi Language
Queensland University of Technology（昆士兰科技大学）
我们描述了我们在FIRE 2019组织的HASOC竞赛中为印地语任务1提供的顶级团队解决方案。任务是识别印地语中的仇恨言论和攻击性语言。更具体地说，这是一个二元分类问题，其中需要系统将推文分类为两类：（a）\emph{Hate and Offensive (HOF)}和（b）\emph{Not Hate or Offensive (NOT)}。与流行的预训练词向量（也称为词嵌入）与来自维基百科等通用领域的大型语料库，我们使用相对较小的相关推文集合（即印地语和印度英语的随机和讽刺推文）进行预训练。我们在预训练的词向量之上训练了一个卷积神经网络（CNN）。这种方法使我们在所有团队中排名第一。我们的方法可以很容易地适应其他应用程序的目标是预测类的文本时，所提供的上下文是有限的。
2020-08-28 cs.CL cs.LG cs.SI
Causality Guided Representation Learning for Cross-Style Hate Speech Detection
School of Computing and Augmented Intelligence, Arizona State University（计算与增强智能学院，亚利桑那州立大学）
CADET通过因果图解构仇恨言论，分离潜在因素并控制混杂变量，提升跨风格仇恨言论检测的泛化能力。
2026-02-03 cs.AI cs.CL cs.LG
Advancing Hate Speech Detection with Transformers: Insights from the MetaHate
Department of Computer Science, Utah State University（计算机科学系，犹他州立大学）
本研究利用MetaHate数据集（36个数据集、120万样本）全面评估BERT、RoBERTa、GPT-2和ELECTRA等Transformer模型在仇恨言论检测中的表现，微调ELECTRA以F1分数0.8980最优，并分析了讽刺、编码语言和标签噪声等错误挑战。
2025-08-06 cs.CL cs.LG
Selecting and combining complementary feature representations and classifiers for hate speech detection
École de Technologie Supérieure, University of Quebec（魁北克大学高等技术学院）；Universidade Federal de Pernambuco（伯南布哥联邦大学）
仇恨言论是社交网络中的一个主要问题，因为每天都会产生大量的数据。最近的工作证明了机器学习（ML）在处理区分仇恨帖子与讽刺或攻击性语言所需的细微差别方面的有用性。已经提出了许多用于仇恨言论检测的ML解决方案，通过改变从文本中提取特征的方式或所采用的分类算法。然而，大多数工作只考虑一种类型的特征提取和分类算法。这项工作认为，需要多种特征提取技术和不同的分类模型的组合。我们提出了一个框架来分析多个特征提取和分类技术之间的关系，以了解它们如何相互补充。该框架是用来选择一个子集的互补技术，组成一个强大的多分类器系统（MCS）的仇恨言论检测。考虑四个仇恨语音分类数据集的实验研究表明，所提出的框架是一个很有前途的方法，分析和设计高性能的MCS，这项任务。使用所提出的框架获得的MCS系统显着优于所有模型的组合和同质和异构的选择算法，证明了具有适当的选择方案的重要性。源代码、图表和数据集分割可以在GitHub存储库中找到：https://github.com/Menelau/Hate-Speech-MCS。
2022-01-18 cs.AI cs.CL cs.SI
MemeScouts@LT-EDI 2026: Asking the Right Questions -- Prompted Weak Supervision for Meme Hate Speech Detection
Technical University of Munich（慕尼黑技术大学）；LMU Munich（慕尼黑大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML））
本文提出一种提示弱监督方法，通过分解表情包理解为基于问题的标注函数，提升多语言多模态仇恨言论检测效果，尤其在中文和印地语中表现突出。
2026-04-28 cs.AI cs.CL
Beyond Benchmarks: Exposing the Hidden Crisis in Bangla Hate Speech Detection
Rajshahi University of Engineering and Technology（拉杰沙希工程技术大学）；University of York（约克大学）
研究孟加拉语仇恨言论检测，训练六种架构于基准和多源数据集，在外部验证。发现基准训练模型泛化危机，如孟加拉语BERT在外部数据集性能下降，强调需开发适应性框架，为设计检测系统提供见解。
2026-07-14 cs.CL
Exploring Cross-Cultural Differences in English Hate Speech Annotations: From Dataset Construction to Analysis
KAIST（韩国科学技术院）；Cardiff University（卡迪夫大学）
本文构建覆盖五国标注者的跨文化英文仇恨言论数据集 CREHate，揭示显著的国别标注分歧，并评估零样本 LLM 的文化偏向。
2024-04-03 cs.AI cs.CL
Explaining (Sarcastic) Utterances to Enhance Affect Understanding in Multimodal Dialogues
Indraprastha Institute of Information Technology Delhi（德里英德拉普拉斯塔信息技术学院）；University of Maryland, College Park（马里兰大学帕克分校）；Indian Institute of Technology Delhi（印度理工学院德里分校）
对话成为交流思想和概念的主要媒介。从听者的角度来看，识别各种情感特质，如讽刺，幽默和情感，对于理解所发出的话语的真正含义至关重要。然而，学习这些情感维度的主要障碍之一是比喻语言的存在，即讽刺，隐喻或讽刺。我们假设，任何检测系统构成的详尽和明确的介绍所发出的话语将提高整体的理解对话。为此，我们探讨了对话中的反讽解释任务，旨在揭示反讽话语背后隐藏的反讽。我们提出了MOSES，一个深度神经网络，它以多模态（讽刺）对话实例作为输入，并生成一个自然语言句子作为解释。随后，我们利用生成的解释，在会话对话设置中的各种自然语言理解任务，如讽刺检测，幽默识别和情感识别。我们的评估表明，MOSES在不同的评估指标（如ROUGE、BLEU和METEOR）上的平均性能优于最先进的SED系统约2%。此外，我们观察到，利用生成的解释推进了三个下游任务的影响分类-平均提高约14%F1分数的讽刺检测任务和约2%的幽默识别和情感识别任务。我们还进行了广泛的分析，以评估结果的质量。
2022-11-22 cs.AI cs.CL
Attentive Fusion: A Transformer-based Approach to Multimodal Hate Speech Detection
Jadavpur University（贾达普大学）；Optum Global Solutions Private Limited（奥普特姆全球解决方案私人有限公司）
本文提出一种基于Transformer并结合音频与文本表示的多模态仇恨言论检测方法，通过自研的“注意力融合”层有效应对讽刺表达，在测试集上取得0.927的宏F1分数，超越已有最先进技术。
2024-01-19 cs.CL cs.LG cs.SD
Counterspeeches up my sleeve! Intent Distribution Learning and Persistent Fusion for Intent-Conditioned Counterspeech Generation
IIIT Delhi（德里英迪拉·甘地信息技术学院）；Logically（Logically公司）；IIT Delhi（德里印度理工学院）
本文提出意图条件反仇恨言论生成框架QUARC，构建了包含5种意图的IntentCONAN数据集，通过向量量化表示和PerFuMe融合模块，在各项指标上平均优于基线10%。
2023-05-23 cs.AI cs.CL
A Unified Deep Learning Architecture for Abuse Detection
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）；Telefonica Research（西班牙电信研究院）；University of Alabama（阿拉巴马大学）
仇恨言论、攻击性语言、性别歧视、种族主义和其他类型的辱骂行为已成为许多在线社交媒体平台的常见现象。近年来，这种不同的虐待行为已经表现出越来越多的频率和强度。这是由于Twitter和Facebook等流行媒体平台的开放性和意愿，以托管敏感或有争议的话题。然而，这些平台没有充分解决在线滥用行为的问题，它们对有效检测和阻止这种不当行为的反应仍然有限。在本文中，我们研究这个复杂的问题，以下一个更全面的方法，认为虐待行为的各个方面。为了使这种方法切实可行，我们专注于Twitter数据，并从不同角度分析用户和文本属性的滥用张贴行为。我们提出了一个深度学习架构，它利用各种各样的可用元数据，并将其与自动提取的隐藏模式内的推文，以检测多个滥用行为规范是高度相关的。我们以无缝、透明的方式应用这种统一的架构来检测不同类型的虐待行为（仇恨言论、性别歧视与种族主义、欺凌、讽刺等）。而不需要对每个任务的模型体系结构进行任何调整。我们用多个数据集来测试所提出的方法，这些数据集解决了Twitter上的不同和多种滥用行为。我们的结果表明，它在很大程度上优于最先进的方法（AUC提高21至45%，取决于数据集）。
2018-02-21 cs.CL cs.SI
Enhancing Rhetorical Figure Annotation: An Ontology-Based Web Application with RAG Integration
University of Passau（帕绍大学）；Institute for AI Research and Development of Serbia（塞尔维亚人工智能研究与发展研究所）
针对德语修辞格标注数据与标注员缺乏的问题，开发基于GRhOOT本体并集成RAG的Web应用“Find your Figure”，有效促进了修辞格的识别与标注。
2024-12-18 cs.AI cs.CL
Focal Inferential Infusion Coupled with Tractable Density Discrimination for Implicit Hate Detection
Indraprastha Institute of Information Technology（印度德里印度理工学院）；Indian Institute of Technology Delhi（印度德里理工学院）；Wipro Research（惠普研究）
FiADD通过结合焦点推断和可计算密度辨别，提升隐含仇恨检测的准确性和泛化能力。
2024-11-10 cs.CL cs.CY
ToxSyn-PT: A Synthetic Fine-Grained Dataset of Minority-Targeted Toxic Language in Portuguese
Advanced Knowledge Center for Immersive Technologies（沉浸式技术先进知识中心）
针对葡萄牙语缺乏细粒度仇恨言论数据集的问题，提出ToxSyn-PT，一个覆盖9个受保护少数群体的多标签数据集，包含非毒性反例和话语类型注释，揭示社交媒体与少数群体上下文间的灾难性泛化失败。
2026-06-23 cs.AI cs.CL
Cyberbullying Detection in Hinglish Text Using MURIL and Explainable AI
Department of Computer Science & Engineering, National Institute of Technology Hamirpur（计算机科学与工程系，哈米尔普尔国家理工学院）
本文提出基于MURIL架构的Hinglish文本网络欺凌检测框架，在六个基准数据集上优于RoBERTa和IndicBERT，准确率达75.41%-94.63%，并集成可解释性分析。
2025-06-19 cs.CL
