PulseAugur
中
实时 10:07:01
English(EN) Beyond Benchmarks: Exposing the Hidden Crisis in Bangla Hate Speech Detection

孟加拉语仇恨言论检测在真实社交媒体数据上表现不佳

作者 PulseAugur 编辑部 · [2 个来源] ·

一项新研究突显了孟加拉语仇恨言论检测系统面临的严峻危机，揭示了在基准数据集上训练的模型应用于真实社交媒体内容时表现不佳。BanglaBERT 和 FastText + CNN 等模型在 Facebook、X 和 YouTube 数据上的 F1 分数大幅下降，尤其是在涉及讽刺和表情符号的隐晦仇恨言论方面。研究表明，现有系统难以处理具有文化嵌入的表达方式，并且会过度审查某些评论，这强调了为低资源语言开发更具适应性和上下文感知的框架的必要性。 AI

影响 凸显了当前低资源语言自然语言处理模型的关键局限性，有必要采取新方法来实现道德 AI 审核。

排序理由 学术论文，详细介绍 AI 模型性能的研究成果。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

孟加拉语仇恨言论检测在真实社交媒体数据上表现不佳

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Faria Afrin Tisha, Fariya Tabassum, Hafsa Binte Kibria, Md. Nahiduzzaman, Mominul Ahsan ·

    Beyond Benchmarks: Exposing the Hidden Crisis in Bangla Hate Speech Detection

    arXiv:2607.11597v1 Announce Type: new Abstract: The spread of hate speech (HS) across different social media platforms (SMPs) poses a major concern for online safety and ethical moderation. Automatic detection of HS remains a challenging task, especially in under-resourced langua…

  2. arXiv cs.CL TIER_1 English(EN) · Mominul Ahsan ·

    超越基准：揭示孟加拉语仇恨言论检测中的隐藏危机

    The spread of hate speech (HS) across different social media platforms (SMPs) poses a major concern for online safety and ethical moderation. Automatic detection of HS remains a challenging task, especially in under-resourced languages like Bangla, due to cultural context, implic…

相关实体

相关话题