DeepHate: 다면적 텍스트 표현을 통한 혐오 발언 탐지

온라인 혐오 발언은 온라인 사회 공동체의 응집력을 파괴하고 우리 사회의 공공 안전 문제를 야기하는 중요한 문제입니다. 이 문제에 대응하기 위해 연구자들은 온라인 사회 플랫폼에서 혐오 발언을 자동으로 탐지하기 위해 많은 전통적인 기계 학습 및 심층 학습 방법을 개발했습니다. 그러나 이러한 방법의 대부분은 단일 유형의 텍스트 특성, 예를 들어 용어 빈도나 단어 임베딩만을 고려했습니다. 이러한 접근 방식은 혐오 발언 탐지를 개선하는 데 활용될 수 있는 다른 풍부한 텍스트 정보를 무시합니다. 본 논문에서는 단어 임베딩, 감정, 주제 정보를 결합하여 온라인 사회 플랫폼에서 혐오 발언을 탐지하는 새로운 심층 학습 모델 DeepHate를 제안합니다. 우리는 광범위한 실험을 수행하고 세 개의 대규모 공개 실세계 데이터셋에서 DeepHate를 평가합니다. 실험 결과, DeepHate가 혐오 발언 탐지 작업에서 최첨단 기준을 능가함을 보여줍니다. 또한, 온라인 사회 플랫폼에서 혐오 발언 탐지에 가장 도움이 되는 주요 특성에 대한 통찰을 제공하기 위해 사례 연구를 수행합니다.