Chinese Offensive Language Detection:Current Status and Future Directions

尽管在社交媒体平台上监控和规范用户生成的内容方面做出了相当大的努力，但数字空间中仍然存在大量冒犯性语言，例如仇恨言论或网络欺凌，这仍然是一个重大挑战。鉴于维护文明和尊重的在线环境的重要性，迫切需要能够实时检测冒犯性言论的自动系统。然而，开发处理中文等语言的有效系统是一个重大挑战，因为这种语言的复杂和微妙的特性使其难以自动处理。本文全面概述了中文冒犯性语言检测，审查了当前的基准和方法，并强调了解决这种复杂语言中检测冒犯性语言的独特挑战的具体模型和工具。本次调查的主要目标是探索现有技术并确定进一步研究的潜在途径，以解决中文的文化和语言复杂性。

本论文旨在解决中文文本中的恶意言论检测问题，探讨当前技术的局限性以及如何解决中文语言的文化和语言复杂性。

本论文提出了一种基于深度学习的中文恶意言论检测方法，结合了词向量和LSTM模型，能够有效地检测中文文本中的恶意言论。

论文使用了多个数据集进行实验，包括THUCNews、LCQMC和CLUECorpus2021等，实验结果表明了该方法的有效性。此外，论文还开源了代码和数据集，为后续研究提供了便利。

在该领域中，最近的相关研究包括《A Survey of Hate Speech Detection Techniques》、《Detecting Hate Speech in Social Media: A Survey》和《A Deep Learning Approach to Offensive Language Detection in Social Media》等。