Détection de discours haineux — Classification automatisée de textes nuisibles
La détection de discours haineux est une tâche de traitement automatique du langage naturel qui identifie automatiquement les textes haineux, offensants ou nuisibles sur les médias sociaux et les plateformes en ligne. La tâche a été précisée par Davidson et ses collègues (2017), qui ont montré pourquoi la séparation du discours haineux authentique du langage simplement offensant est un problème de classification difficile et distinct, plutôt qu'un simple score de toxicité.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Automated Hate Speech Detection. ScholarGate. https://scholargate.app/fr/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.
- Embeddings BERTFouille de textes↔ compare
- Détection de fausses nouvellesFouille de textes↔ compare
- Analyse des sentimentsFouille de textes↔ compare
- Classification de texteFouille de textes↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →