Improving Hate Speech Classification with Cross-Taxonomy Dataset Integration
Created by
- Haebom
Category
Empty
저자
Jan Fillies, Adrian Paschke
개요
본 논문은 알고리즘 기반 증오 표현 감지의 어려움을 해결하기 위해, 연구 및 실제 환경에서 사용되는 다양한 정의와 데이터셋을 통합하는 방법을 제시합니다. 소셜 미디어 플랫폼, 법적 틀, 기관 등에서 서로 다르지만 중복되는 정의를 사용하는 문제를 해결하고자, 기존 데이터셋과 분류 체계를 통합하여 단일 모델로 구축함으로써 예측 성능을 향상시키고 여러 특수 분류기의 의존성을 줄이는 것을 목표로 합니다. 본 연구는 보편적인 분류 체계와 다양한 정의를 단일 프레임워크 내에서 감지할 수 있는 증오 표현 분류기를 제시하며, 서로 다르게 주석이 달린 두 개의 널리 사용되는 데이터셋을 결합하여 독립적인 테스트 세트에서 향상된 분류 성능을 보여줍니다. 결과적으로 데이터셋 및 분류 체계 통합이 증오 표현 감지 발전, 효율성 증대, 그리고 다양한 맥락에서의 광범위한 적용 가능성 확보에 기여할 수 있음을 강조합니다.
시사점, 한계점
•
시사점:
◦
다양한 정의와 데이터셋을 통합하여 단일 모델을 구축함으로써 증오 표현 감지 성능 향상 가능성 제시.
◦
여러 특수 분류기 사용에 대한 의존도 감소 및 효율성 증대.
◦
보편적인 분류 체계를 통해 다양한 맥락에서의 증오 표현 감지 적용 가능성 확대.
◦
데이터셋 및 분류 체계 통합의 중요성을 강조.
•
한계점:
◦
본 연구에서 사용된 두 개의 데이터셋 외 다른 데이터셋으로의 일반화 가능성에 대한 추가 연구 필요.
◦
보편적인 분류 체계의 포괄성 및 한계에 대한 추가적인 검토 필요.
◦
실제 환경에서의 적용 및 성능 평가에 대한 추가 연구 필요.
◦
새로운 유형의 증오 표현이나 변화하는 언어 사용 패턴에 대한 적응성에 대한 추가 검토 필요.
