論文の概要: ParsHate: A Benchmark Dataset for Hate and Target Detection in Persian
- arxiv url: http://arxiv.org/abs/2609.16393v1
- Date: Mon, 14 Sep 2026 22:00:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.253006
- Title: ParsHate: A Benchmark Dataset for Hate and Target Detection in Persian
- Title（参考訳）: ParsHate:ペルシアのHateとTarget検出のためのベンチマークデータセット
- Abstract要約: 2013-2022年の間に1万のペルシャツイートを手動でアノテートしたデータセットであるParsHateを紹介します。
データセットには31%のヘイトフルコンテンツが含まれており、ヘイト検出とマルチラベルのきめ細かいターゲット識別の両方をサポートしている。
ParsHateはまた、明示的で暗黙の憎悪を区別し、明示的で暗黙の標的を示し、スパンレベルの合理性を提供する。
- 参考スコア（独自算出の注目度）: 14.566415137135614
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce ParsHate, a manually annotated dataset of 10,000 Persian tweets spanning 2013-2022, representing the first decade-long benchmark for hate speech detection in Persian. The dataset contains 31% hateful content and supports both hate detection and multi-label fine-grained target identification across seven structured target categories. ParsHate also distinguishes explicit and implicit hate, marks explicit and implicit targets, and provides span-level rationales. Data collection combines random and score-stratified temporal sampling to reduce keyword-driven bias while preserving natural label distributions. Applying SOTA models for Persian hate-speech detection on ParsHate shows moderate performance (79% F1), especially with samples from earlier years, and low performance with target identification (25.5% macro-F1). This emphasizes the diverse sampling of hate speech in ParsHate and its challenging nature that requires more advanced methods for better performance. Dataset is made publicly available.
- Abstract（参考訳）: われわれは2013年から2022年の間に1万件のペルシャツイートを手動でアノテートしたデータセットであるParsHateを紹介した。
データセットには31%のヘイトフルコンテンツが含まれており、ヘイト検出と7つの構造化されたターゲットカテゴリにわたるマルチラベルの詳細なターゲット識別の両方をサポートしている。
ParsHateはまた、明示的で暗黙の憎悪を区別し、明示的で暗黙の標的を示し、スパンレベルな合理性を提供する。
データ収集は、ランダムおよびスコア階層化された時間サンプリングを組み合わせて、自然ラベルの分布を保存しながらキーワード駆動バイアスを低減する。
ペルシャのヘイトスピーチ検出のためのSOTAモデルをParsHateに適用すると、特に初期のサンプルでは適度なパフォーマンス(79% F1)、ターゲット識別では低いパフォーマンス(25.5% macro-F1)を示す。
これは、ParsHateにおけるヘイトスピーチの多様なサンプリングと、パフォーマンス向上のためにより高度なメソッドを必要とするその挑戦的な性質を強調している。
データセットは公開されています。
関連論文リスト
- Towards Generalizable Generic Harmful Speech Datasets for Implicit Hate Speech Detection [7.762212551172391]
過激なヘイトスピーチはソーシャルメディアプラットフォームにとって重要な課題となっている。
本稿では,暗黙のヘイトスピーチの検出に対処し,多様なデータセット間の一般化性を高める手法を提案する。
論文 参考訳（メタデータ） (2025-06-19T17:23:08Z) - AmpleHate: Amplifying the Attention for Versatile Implicit Hate Detection [7.809610795929308]
暗黙のヘイトスピーチ検出は、その微妙さと文脈解釈に依存しているため困難である。
暗黙の憎しみ検出のための人間の推論を反映する新しいアプローチであるAmpleHateを提案する。
AmpleHateは最先端のパフォーマンスを達成し、平均82.14%の対照的な学習ベースラインを上回っている。
論文 参考訳（メタデータ） (2025-05-26T05:27:10Z) - On the Challenges of Building Datasets for Hate Speech Detection [0.0]
我々はまず,データ中心のレンズを用いてヘイトスピーチ検出を取り巻く問題を分析する。
次に、データ生成パイプラインを7つの広範囲にわたってカプセル化する、包括的なフレームワークの概要を示します。
論文 参考訳（メタデータ） (2023-09-06T11:15:47Z) - Data Selection for Language Models via Importance Resampling [90.9263039747723]
我々は、望まれるターゲット分布に合わせるために、大規模な未ラベルデータセットのサブセットを選択するという問題を形式化する。
我々は、LMデータ選択のために低次元で使用される古典的な重要度再サンプリング手法を拡張した。
DSIRフレームワークをhash n-gram機能でインスタンス化し、4.5時間で1億のドキュメントを選択できる。
論文 参考訳（メタデータ） (2023-02-06T23:57:56Z) - AcroFOD: An Adaptive Method for Cross-domain Few-shot Object Detection [59.10314662986463]
クロスドメインの少数ショットオブジェクト検出は、いくつかの注釈付きターゲットデータで対象ドメイン内のオブジェクト検出器を適応することを目的としている。
提案手法は,複数のベンチマーク上での最先端性能を実現する。
論文 参考訳（メタデータ） (2022-09-22T10:23:40Z) - Progressive End-to-End Object Detection in Crowded Scenes [96.92416613336096]
以前のクエリベースの検出器は2つの欠点に悩まされていた: まず、複数の予測が1つのオブジェクトに対して推論される。
具体的には、まず受理されたクエリを選択して正の予測を生成し、その後、受理された予測に従って残雑音のあるクエリを精査する。
提案手法は,混み合ったシーンにおける問合せ型検出器の性能を大幅に向上させることができることを示す。
論文 参考訳（メタデータ） (2022-03-15T06:12:00Z) - Deep Learning for Hate Speech Detection: A Comparative Study [54.42226495344908]
ここでは, ディープ・ヘイト・音声検出法と浅いヘイト・音声検出法を大規模に比較した。
私たちの目標は、この地域の進歩を照らし、現在の最先端の強みと弱点を特定することです。
そこで我々は,ヘイトスピーチ検出の実践的利用に関するガイダンスの提供,最先端の定量化,今後の研究方向の特定を目的としている。
論文 参考訳（メタデータ） (2022-02-19T03:48:20Z) - Addressing the Challenges of Cross-Lingual Hate Speech Detection [115.1352779982269]
本稿では,低リソース言語におけるヘイトスピーチ検出を支援するために,言語間移動学習に着目した。
言語間単語の埋め込みを利用して、ソース言語上でニューラルネットワークシステムをトレーニングし、ターゲット言語に適用します。
本研究では,ヘイトスピーチデータセットのラベル不均衡の問題について検討する。なぜなら,ヘイトサンプルと比較して非ヘイトサンプルの比率が高いことがモデル性能の低下につながることが多いからだ。
論文 参考訳（メタデータ） (2022-01-15T20:48:14Z) - Reducing Target Group Bias in Hate Speech Detectors [56.94616390740415]
大規模な公開データセットでトレーニングされたテキスト分類モデルは、いくつかの保護されたグループで大幅に性能が低下する可能性がある。
本稿では,トークンレベルのヘイトセンスの曖昧さを実現し,トークンのヘイトセンスの表現を検知に利用することを提案する。
論文 参考訳（メタデータ） (2021-12-07T17:49:34Z) - An Information Retrieval Approach to Building Datasets for Hate Speech
Detection [3.587367153279349]
「一般的な慣行は、既知の憎しみの言葉を含むツイートを注釈するだけである。」
第二の課題は、ヘイトスピーチの定義が高度に変動し、主観的である傾向があることである。
我々の重要な洞察は、ヘイトスピーチの希少性と主観性が情報検索(IR)の関連性に類似していることである。
論文 参考訳（メタデータ） (2021-06-17T19:25:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。