language:

• 俄语

tags:

• 不当评论分类

licenses:

• 知识共享-非商业性使用-相同方式共享

模型概述

本模型基于俄语敏感主题数据集训练而成。敏感主题的概念详见这篇发表于EACL-2021会议巴尔托-斯拉夫自然语言处理工作坊的论文。请注意，论文描述的是数据集的第一版，而本模型训练采用的是发布于GitHub或kaggle的扩展版本。数据集特性与论文所述一致，仅规模存在差异。

使用指南

本模型可预测论文中描述的18类敏感主题组合。具体使用步骤请参阅此处指南

性能指标

数据集包含部分人工标注样本和部分半自动标注样本（详见论文）。由于仅对人工标注部分进行测试，某些主题在测试集中代表性不足。

许可协议

知识共享署名-非商业性使用-相同方式共享4.0国际许可协议

引用规范

若使用本资源，请引用我们的论文：

@inproceedings{babakov-etal-2021-detecting,
    title = "检测可能损害企业声誉的敏感话题不当信息",
    author = "巴巴科夫, 尼古拉  and
      洛加切娃, 瓦尔瓦拉  and
      科兹洛娃, 奥尔加  and
      谢苗诺夫, 尼基塔  and
      潘琴科, 亚历山大",
    booktitle = "第八届巴尔托-斯拉夫自然语言处理研讨会论文集",
    month = "4月",
    year = "2021",
    address = "乌克兰基辅",
    publisher = "计算语言学协会",
    url = "https://www.aclweb.org/anthology/2021.bsnlp-1.4",
    pages = "26-36",
    abstract = "不同话题的毒性'易燃度'存在差异：相比政治或性少数群体话题，关于海龟或钓鱼的平静讨论较少引发不当言论。我们定义了可能产生不当信息的敏感话题集，并阐述了数据标注方法。虽然用户生成内容的毒性研究已较成熟，我们旨在定义更精细的'不当性'概念——其核心在于可能损害发言者声誉。这与毒性存在两点区别：(i) 不当性具有话题相关性；(ii) 不当信息未必具有毒性但仍不可接受。我们发布两个俄语数据集：主题标注数据集和不当性标注数据集，同时开源基于该数据训练的预分类模型。",
}