SD-CVD 语料库：实现跨在线平台沙特方言的细粒度网络暴力鲁棒检测

本文介绍了沙特方言网络暴力检测（SD-CVD）语料库，这是一个用于在线平台上细粒度网络暴力检测的大规模、类别平衡的沙特方言语料库。该数据集包含 88,687 条沙特阿拉伯语推文，采用三级分层方案进行标注，将每条推文分配至 11 个互斥类别之一，涵盖良性情感（积极、中立、消极）、网络欺凌以及七种仇恨言论亚型（煽动暴力、性别歧视、国籍歧视、社会阶层歧视、部落歧视、宗教歧视和地域歧视）。为了缓解阿拉伯语网络暴力数据集中常见的类别不平衡问题，研究应用了数据增强以实现接近均匀的类别分布。标注质量通过多阶段审查得到保证，取得了极佳的标注者间一致性（Fleiss’ κ > 0.89）。我们评估了三种建模范式：采用 TF–IDF 和 n-gram 特征的传统机器学习模型（SVM、logistic regression、random forest）、基于固定句子嵌入训练的深度学习模型（LSTM、RNN、MLP、CNN）以及微调的 transformer 模型（AraBERTv02-Twitter、CAMeLBERT-MSA）。实验结果表明，transformer 模型的表现最佳，其中 AraBERTv02-Twitter 获得了最高的加权 F1-score（0.882），其次是 CAMeLBERT-MSA（0.869）。在非 transformer 基线模型中，SVM 最具竞争力（0.853），而 CNN 表现最差（0.561）。总体而言，SD-CVD 提供了一个高质量的基准和强大的基线模型，以支持未来关于鲁棒且可解释的阿拉伯语网络暴力检测的研究。