Bengali_Hate

社交媒体通常是各种仇恨和令人反感的内容的温床。由于社交媒体对种族，性别或宗教的影响，因此在社交媒体上识别此类内容至关重要。但是，尽管在英语中的仇恨语音检测方面进行了广泛的研究，但在孟加拉语等低资源语言中的仇恨内容检测方面却存在差距。此外，社交媒体上当前的趋势是使用罗马化的孟加拉语进行定期互动。为了克服现有研究的局限性，在本研究中，我们开发了一个带有注释的10k孟加拉语帖子数据集，其中包括5k实际和5k罗马化的孟加拉语推文。我们为这类可恶职位的分类实施了几个基线模型。我们进一步探索语际转移机制来提高分类性能。最后，我们通过调查模型分类错误的帖子来进行深入的误差分析。在分别训练实际数据集和罗马化数据集的同时，我们观察到XLM-Roberta表现最好。此外，我们目睹了在联合训练和少镜头训练中，MuRIL通过更好地解释语义表达而优于其他模型。

搜集汇总

背景与挑战

背景概述

该数据集旨在填补孟加拉语仇恨内容检测的空白，包含1万条标注的实际和罗马化孟加拉语推文，用于支持分类模型研究。它由印度理工学院卡拉格普尔分校于2022年发布，以促进低资源语言中的仇恨言论识别。