使用深度学习检测阿拉伯仇恨言论:对进展,挑战和未来方向 (2020-2024) 的最新调查 (2020-2024)
Mariam Itriq1, Mohd Halim Mohd Noor1
1School of Computer Sciences, Universiti Sains Malaysia, Pulau Pinang, Malaysia.
PeerJ. Computer science
|September 24, 2025
概括
由于语言多样性和有限的数据,检测阿拉伯的仇恨言论是具有挑战性的. 本次审查强调了深度学习的进步,并提出了更好的数据集和情境建模等解决方案,以有效的在线对策.
科学领域:
- 自然语言处理自然语言处理.
- 计算语言学 计算语言学
- 人工智能的人工智能
背景情况:
- 社交媒体加剧了人们对仇恨言论影响的担忧.
- 由于方言多样性,形态学和社会政治因素,阿拉伯语仇恨言论的检测是复杂的.
- 自动检测面临来自有限的注释数据集和语言细微差别的挑战.
研究的目的:
- 审查阿拉伯语仇恨言论检测深度学习的进展 (2020-2024年).
- 检查影响阿拉伯语仇恨言论检测的数据集约束.
- 确定研究缺口,并提出未来的方向.
主要方法:
- 对深度学习方法的调查:卷积神经网络 (CNNs),循环神经网络 (RNNs),基于变压器的模型 (BERT,AraBERT) 和混合架构.
- 对数据集局限性的分析:方言差异,注释不一致性和稀缺性.
- 2020-2024年最新文献的综述.
主要成果:
- 深度学习模型显示出希望,但面临挑战.
- 数据集的局限性大大阻碍了业绩.
- 关键的研究差距包括数据稀缺和缺乏上下文理解.
结论:
- 未来的工作重点应该是扩大多语言数据集和改进上下文建模.
- 开发基于道德的框架对于负责任的人工智能至关重要.
- 有效的对策需要解决语言细微差别和数据限制.
