論文の概要: SarcasTraps: Effect of Sarcasm on Turkish Hate Speech Detection

• arxiv url: http://arxiv.org/abs/2610.16957v1
• Date: Mon, 12 Oct 2026 15:25:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.396878
• Title: SarcasTraps: Effect of Sarcasm on Turkish Hate Speech Detection
• Title（参考訳）: SarcasTraps:トルコのヘイトスピーチ検出におけるSarcasmの効果
• Abstract要約: サルカスムはモックの賞賛、誇張、ユーモア、または明らかに丁寧さを通じて有害な意図を伝える。 本稿では,トルコのヘイトスピーチ検出におけるサルカズムの効果を解析するための外部テストセットであるSarcasTrapsを紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Standard hate speech detection datasets often emphasize explicit harmful language, but directed harm can also be expressed indirectly, without clearly hateful wording. Sarcasm is one such form of indirect expression, as it can convey harmful intent through mock praise, exaggeration, humor, or apparent politeness. In this paper, we introduce SarcasTraps, a targeted external test set for analyzing the effect of sarcasm on Turkish hate speech detection. SarcasTraps contains 479 entries annotated along two dimensions: hate speech and sarcasm. We train classifiers using BERTurk and XLM-RoBERTa on two existing Turkish hate speech datasets and evaluate them on SarcasTraps, using it strictly as an external test set. We also evaluate GPT-4.1 and Llama-3.3-70B in a zero-shot setting on SarcasTraps. Results show that sarcasm substantially affects hate speech detection. Fine-tuned encoder models lose recall on sarcastic hate, while zero-shot LLMs maintain higher recall but suffer substantial precision drops on sarcastic examples. These findings show that both fine-tuned hate speech detectors and zero-shot LLMs struggle when sarcasm is involved, and SarcasTraps provides quantitative evidence of this challenge through a targeted Turkish test set. Due to the presence of sensitive and hateful language, SarcasTraps will be shared upon request for academic research purposes. Warning: This paper has examples from the dataset which contains offensive and hateful content towards groups of people.
• Abstract（参考訳）: 標準的なヘイトスピーチ検出データセットは、しばしば明示的な有害な言語を強調するが、指示された害は、はっきりと憎しみのある言葉を言うことなく間接的に表すこともできる。 サルカズムは間接表現の一種であり、モックの賞賛、誇張、ユーモア、または明らかに丁寧さを通じて有害な意図を伝えることができる。 本稿では,トルコのヘイトスピーチ検出におけるサルカズムの効果を分析するための外部テストセットであるSarcasTrapsを紹介する。 SarcasTrapsには、ヘイトスピーチと皮肉という2つの次元に沿って注釈付けされた479のエントリが含まれている。 我々は、既存のトルコのヘイトスピーチデータセットであるBERTurkとXLM-RoBERTaを用いて分類器を訓練し、SarcasTrapsで評価し、厳密には外部テストセットとして使用する。 また,GPT-4.1とLlama-3.3-70BをSarcasTrapsのゼロショット設定で評価した。 その結果,サルカズムはヘイトスピーチの検出に大きく影響を及ぼすことがわかった。 微調整エンコーダモデルはサーカストの憎悪でリコールを失うが、ゼロショットLLMは高いリコールを維持しているが、サーカストの例では相当な精度の低下を被る。 これらの結果は、サルカズムが関与する場合には、微調整されたヘイトスピーチ検出器とゼロショットLLMの両方が苦戦し、SarcasTrapsはトルコのテストセットを通じて、この課題の定量的証拠を提供する。 センシティブで憎しみのある言語が存在するため、SarcasTrapsは学術研究目的の要請に応じて共有される。 警告:本論文では,グループに対する攻撃的かつ憎悪的なコンテンツを含むデータセットの例を紹介する。

関連論文リスト

• Synthetic Voices, Real Threats: Evaluating Large Text-to-Speech Models in Generating Harmful Audio [63.18443674004945]
  この研究は、TSシステムを利用して有害なコンテンツを含む音声を生成する、コンテンツ中心の脅威を探究する。 HARMGENは、これらの課題に対処する2つのファミリーにまとめられた5つの攻撃群である。
  論文  参考訳（メタデータ） (2025-11-14T03:00:04Z)
• Transfer Learning via Lexical Relatedness: A Sarcasm and Hate Speech Case Study [19.51996697564557]
  本研究は,サルカズムを事前学習段階に統合することで,暗黙のヘイトスピーチの検出が向上するかどうかを考察する。 CNN+LSTMとBERT+BiLSTMモデルを用いて,サルカズム事前トレーニングの有効性を比較するための2つのトレーニング戦略を考案した。 以上の結果より,Sarcasm pre-trainingによりBERT+BiLSTMのリコールは9.7%,AUCは7.8%,F1スコアは6%改善した。
  論文  参考訳（メタデータ） (2025-08-22T17:23:08Z)
• Leveraging Large Language Models for Sarcastic Speech Annotation in Sarcasm Detection [16.35106164874197]
  サルカズムは基本的にトーンと文脈を通して意味を変化させるが、音声でそれを検出することはデータ不足による課題である。 本稿では,大規模言語モデル(LLM)を利用してサルカズムデータセットを生成するアノテーションパイプラインを提案する。 本研究では,アノテーションの品質と検出性能を比較して,提案手法の有効性を検証した。 最後に,このパイプラインを通じて作成した大規模サーカシック音声データセットであるPodSarcを紹介する。
  論文  参考訳（メタデータ） (2025-06-01T11:00:18Z)
• KoCoSa: Korean Context-aware Sarcasm Detection Dataset [3.369750569233713]
  サルカズム(英: Sarcasm)は、言葉による皮肉の一種で、ある人、状況、あるいは考えを笑うために、誰かがその意味とは逆の言葉を言う。 本稿では,韓国のSarcasm検出タスクKoCoSaの新しいデータセットについて紹介する。 データセットは、1日12.8Kの韓国の対話と、最後のレスポンスでこのタスクのラベルで構成されている。
  論文  参考訳（メタデータ） (2024-02-22T10:17:57Z)
• Prosody in Cascade and Direct Speech-to-Text Translation: a case study on Korean Wh-Phrases [79.07111754406841]
  本研究は,韻律が重要な役割を果たす発話を明瞭にするための直接S2TTシステムの能力を評価するために,コントラスト評価を用いることを提案する。 本結果は,カスケード翻訳モデルよりも直接翻訳システムの価値を明確に示すものである。
  論文  参考訳（メタデータ） (2024-02-01T14:46:35Z)
• Sarcasm Detection in a Disaster Context [103.93691731605163]
  HurricaneSARCは,意図した皮肉に注釈を付けた15,000ツイートのデータセットである。 私たちの最高のモデルは、データセットで最大0.70F1を得ることができます。
  論文  参考訳（メタデータ） (2023-08-16T05:58:12Z)
• CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a Context Synergized Hyperbolic Network [52.85130555886915]
  CoSynは、オンライン会話における暗黙のヘイトスピーチを検出するために、ユーザと会話のコンテキストを明示的に組み込んだ、コンテキスト中心のニューラルネットワークである。 我々は、CoSynが、1.24%から57.8%の範囲で絶対的に改善された暗黙のヘイトスピーチを検出することで、我々のベースラインを全て上回っていることを示す。
  論文  参考訳（メタデータ） (2023-03-02T17:30:43Z)
• Sarcasm Detection Framework Using Emotion and Sentiment Features [62.997667081978825]
  本研究では,感情と感情の特徴を取り入れたモデルを提案する。 我々のアプローチは、ソーシャルネットワークプラットフォームとオンラインメディアの4つのデータセットに対して、最先端の結果を得た。
  論文  参考訳（メタデータ） (2022-11-23T15:14:44Z)
• Sarcasm Detection using Context Separators in Online Discourse [3.655021726150369]
  サルカズム(Sarcasm)は、意味が暗黙的に伝えられる複雑な形態の言語である。 本研究では,RoBERTa_largeを用いて2つのデータセットの皮肉を検出する。 また,文脈単語埋め込みモデルの性能向上における文脈の重要性を主張する。
  論文  参考訳（メタデータ） (2020-06-01T10:52:35Z)
• $R^3$: Reverse, Retrieve, and Rank for Sarcasm Generation with Commonsense Knowledge [51.70688120849654]
  非皮肉な入力文に基づくサルカズム生成のための教師なしアプローチを提案する。 本手法では,サルカズムの2つの主要な特徴をインスタンス化するために,検索・編集の枠組みを用いる。
  論文  参考訳（メタデータ） (2020-04-28T02:30:09Z)

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。