Vihapuheen tunnistus — haitallisen tekstin automaattinen luokittelu
Vihapuheen tunnistus on luonnollisen kielen käsittelyn tehtävä, joka tunnistaa automaattisesti vihamielisen, loukkaavan tai haitallisen tekstin sosiaalisessa mediassa ja verkkopalveluissa. Tehtävää tarkennettiin Davidsonin ja kollegoiden (2017) toimesta, jotka osoittivat, miksi aidon vihapuheen erottaminen pelkästä loukkaavasta kielestä on vaikea, erillinen luokitteluongelma eikä yksittäinen toksisuusarvo.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Davidson, T., Warmsley, D., Macy, M. & Weber, I. (2017). Automated Hate Speech Detection and the Problem of Offensive Language. ICWSM, 11(1), 512-515. DOI: 10.1609/icwsm.v11i1.14955 ↗
- Fortuna, P. & Nunes, S. (2018). A Survey on Automatic Detection of Hate Speech in Text. ACM Computing Surveys, 51(4), 1-30. DOI: 10.1145/3232676 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Automated Hate Speech Detection. ScholarGate. https://scholargate.app/fi/text-mining/hate-speech-detection
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BERT-upotukset – kontekstisidonnaiset tekstiesityksetTekstinlouhinta↔ compare
- Valheuutisten tunnistus – harhaanjohtavan tiedon luokitteluTekstinlouhinta↔ compare
- Sentiment AnalysisTekstinlouhinta↔ compare
- TekstinluokitteluTekstinlouhinta↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →