Wykrywanie mowy nienawiści — automatyczna klasyfikacja szkodliwych tekstów
Wykrywanie mowy nienawiści to zadanie z zakresu przetwarzania języka naturalnego, które automatycznie identyfikuje nienawistne, obraźliwe lub szkodliwe teksty w mediach społecznościowych i na platformach internetowych. Zadanie to zostało doprecyzowane przez Davidsona i współpracowników (2017), którzy wykazali, dlaczego rozdzielenie autentycznej mowy nienawiści od języka jedynie obraźliwego jest trudnym, odrębnym problemem klasyfikacyjnym, a nie pojedynczym wskaźnikiem toksyczności.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Automated Hate Speech Detection. ScholarGate. https://scholargate.app/pl/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.
- Osadzenia BERTEksploracja tekstu↔ compare
- Wykrywanie fałszywych wiadomościEksploracja tekstu↔ compare
- Analiza sentymentuEksploracja tekstu↔ compare
- Klasyfikacja TekstuEksploracja tekstu↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →