Beschriftungsänderung und Bootstrapping zur Null-Schuss kreuzsprachlichen Hassredeerkennung

Das Ziel der Hassredeerkennung ist es, negative Online-Inhalte zu filtern, die sich an bestimmte Gruppen von Menschen richten. Aufgrund der leichten Zugänglichkeit und Mehrsprachigkeit von sozialen Medienplattformen ist es entscheidend, alle zu schützen, was den Aufbau von Hassredeerkennungssystemen für eine Vielzahl von Sprachen erfordert. Allerdings sind die verfügbaren gekennzeichneten Hassrede-Datensätze begrenzt, was es schwierig macht, Systeme für viele Sprachen zu entwickeln. In diesem Papier konzentrieren wir uns auf das kreuzsprachliche Transferlernen, um die Hassredeerkennung in ressourcenschwachen Sprachen zu unterstützen, und heben gleichzeitig Probleme mit Beschriftungen in Anwendungsszenarien hervor, wie inkonsistente Beschriftungssets von Korpora oder unterschiedliche Definitionen von Hassrede, die die Anwendung solcher Methoden behindern. Wir nutzen kreuzsprachliche Wort einbettungen, um unsere neuronalen Netzwerk Systeme in der Ausgangssprache zu trainieren und sie auf die Zielsprache anzuwenden, die über keine gekennzeichneten Beispiele verfügt, und zeigen, dass eine gute Leistung erreicht werden kann. Anschließend integrieren wir ungekennzeichnete Daten der Zielsprache zur weiteren Verbesserung des Modells, indem wir Beschriftungen durch Bootstrapping mit einem Ensemble verschiedener Modellarchitekturen generieren. Darüber hinaus untersuchen wir das Problem des Beschriftungsungleichgewichts in Hassrede-Datensätzen, da das hohe Verhältnis von Nicht-Hass- zu Hassbeispielen oft zu geringer Modellleistung führt. Wir testen einfache Techniken zur Datenunter- und -übersampling und zeigen deren Wirksamkeit.