土耳其语和阿拉伯语仇恨言论检测研究

近年来，在线仇恨言论与全球范围内针对少数群体的暴力事件——如大规模枪击、私刑和种族清洗——的关联日益受到关注。各国社会在应对这一问题时，尤其是在仇恨言论基于宗教、种族、民族、文化、国籍或移民身份针对特定群体的情况下，面临平衡言论自由与有效内容审核的挑战。为了应对这一挑战，研究人员引入了一个全面的仇恨言论数据集，涵盖土耳其语中的五个不同主题：难民、以色列-巴勒斯坦冲突、土耳其国内的反希腊情绪、民族或宗教社区（包括阿莱维派、亚美尼亚人、阿拉伯人、犹太人和库尔德人）以及LGBTI+群体，此外还包括阿拉伯语中的一个主题（难民）。

数据集构建完成后，团队进一步开发了基于BERT的最先进模型，以处理仇恨言论分析的多个维度，包括仇恨类别分类、仇恨强度预测、目标识别以及仇恨言论跨度检测。这些模型能够对在线话语中的仇恨内容进行全面理解，从而为内容审核系统提供技术支持。该研究不仅填补了土耳其语和阿拉伯语仇恨言论检测领域的空白，还通过多任务学习框架提升了模型的泛化能力。研究人员表示，未来计划扩展数据集以覆盖更多语言和主题，并探索模型在不同平台上的实际应用效果。

这一研究的意义在于，它提供了一种可扩展的解决方案，帮助在线平台在保护言论自由的同时，有效识别和遏制仇恨言论。随着社交媒体在全球的普及，针对少数群体的仇恨言论日益增多，这项研究为内容审核工具的开发提供了新的方向。