Key points are not available for this paper at this time.
Le domaine de la détection automatique de discours de haine et de concepts connexes a suscité beaucoup d'intérêt ces dernières années. Différents ensembles de données ont été annotés et classés en appliquant différents algorithmes d'apprentissage automatique. Cependant, peu d'efforts ont été réalisés pour clarifier les catégories appliquées et homogénéiser les différents ensembles de données. Notre étude répond à cette demande. Nous analysons six ensembles de données disponibles publiquement dans ce domaine en ce qui concerne leur similitude et leur compatibilité. Nous menons deux expériences différentes. Tout d'abord, nous essayons de rendre les ensembles de données compatibles et de représenter les classes d'ensembles de données en tant que vecteurs de mots Fast Text en analysant la similitude entre différentes classes de manière intra et inter-ensemble de données. Deuxièmement, nous soumettons les ensembles de données choisis au classificateur de toxicité de l'API Perspective, obtenant des performances différentes selon les catégories et les ensembles de données. L'une des principales conclusions de ces expériences est que de nombreuses définitions différentes sont utilisées pour des concepts équivalents, ce qui rend la plupart des ensembles de données disponibles publiquement incompatibles. Basé sur notre analyse, nous fournissons des directives pour la collecte et l'annotation des ensembles de données futurs.
Fortuna et al. (Ven,) ont étudié cette question.