เปรียบเทียบวิธี

	การตรวจจับคำพูดแสดงความเกลียดชัง	BERT Embeddings
สาขาวิชา	การทำเหมืองข้อความ	การทำเหมืองข้อความ
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	—	2019
ผู้ริเริ่ม	—	Devlin, Chang, Lee & Toutanova (Google AI)
ประเภท	NLP text-classification task	Contextual transformer text-representation method
แหล่งต้นตำรับ	Davidson, T., Warmsley, D., Macy, M. & Weber, I. (2017). Automated Hate Speech Detection and the Problem of Offensive Language. ICWSM, 11(1), 512-515.	Devlin, J., Chang, M.-W., Lee, K. & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL-HLT, 4171-4186.
ชื่อเรียกอื่น	offensive language detection, toxic content detection, Nefret Söylemi Tespiti	contextual embeddings, transformer embeddings, BERT Tabanlı Metin Gömülmeleri
ที่เกี่ยวข้อง	4	4
สรุป	Hate speech detection is a natural-language-processing task that automatically identifies hateful, offensive, or harmful text on social media and online platforms. The task was sharpened by Davidson and colleagues (2017), who showed why separating genuine hate speech from merely offensive language is a hard, distinct classification problem rather than a single toxicity score.	BERT-based text embeddings, introduced by Devlin and colleagues at Google AI in 2019, turn text into context-sensitive dense vectors using a bidirectional Transformer encoder. Because the meaning of a word shifts with its context, BERT produces richer representations than static methods such as Word2Vec or topic models like LDA.