arXiv 于 2026 年 6 月 30 日发布了一篇题为《Hate Speech Detection in Turkish and Arabic Languages: A Comprehensive Study》（土耳其语与阿拉伯语仇恨言论检测：一项综合研究）的预印本论文，编号为 arXiv:2607.00143v1，归类于计算与语言（cs.CL），并交叉列入人工智能（cs.AI），ACM 分类为 I.2 与 I.2.7。论文由 Somaiyeh Dehghan 领衔，共六位作者合作完成，全文包含 11 张表格，提交时间为 2026 年 6 月 30 日 20:20:06 UTC，源文件约 32 KB。
论文从现实危害出发提出问题。作者指出，网络仇恨言论与全球范围内针对少数群体的暴力上升存在关联，此类事件包括大规模枪击、私刑处死以及种族清洗。对于那些仇恨言论针对特定群体的社会而言——无论攻击依据是宗教、种族、民族、文化、国籍还是移民身份——都面临一个两难：既要保护言论自由，又要在被广泛使用的网络平台上实施有效的内容审核。这一矛盾正是研究的现实动机。
为应对上述挑战，研究团队构建了一个覆盖面较广的仇恨言论数据集。在土耳其语部分，数据集涵盖五个不同主题：难民、以色列—巴勒斯坦冲突、土耳其国内的反希腊情绪、族群或宗教社群（包括阿列维派、亚美尼亚人、阿拉伯人、犹太人和库尔德人），以及 LGBTI+ 群体。在阿拉伯语部分，数据集则聚焦一个主题，即难民问题。这种按主题和受攻击群体划分的设计，使数据能够反映不同语境下仇恨言论的差异，而不仅仅是一个笼统的二分类标签集合。
在模型层面，作者开发了基于 BERT 的先进模型，用于处理仇恨言论分析的多个维度：仇恨类别分类、仇恨强度预测、攻击目标识别，以及仇恨言论片段（span）检测。多项任务并行，目标是让系统不仅判断一段文本是否属于仇恨言论，还能说明它属于哪一类、激烈程度如何、针对谁，以及具体哪些片段构成仇恨表达，从而对网络话语中的仇恨内容形成更全面的理解。
论文的摘要页面还提供了完整的 arXiv 访问入口，包括 PDF、实验性 HTML 版本、TeX 源码与许可信息，并给出 DOI（10.48550/arXiv.2607.00143），该 DOI 通过 DataCite 发放、尚待注册。页面同时列出浏览上下文、参考文献与引用工具，以及代码、数据与媒体关联工具等常规 arXiv 功能。总体而言，这项工作将数据资源建设与多任务建模结合，为土耳其语和阿拉伯语这两种在仇恨言论研究中相对资源不足的语言提供了新的基准与工具。