arXiv cs.CL· Md. Nesarul Hoque, Rudra Pratap Deb Nath, Umme Salma, Shima Chakraborty, Md. Hanif Seddiqui·· 6 天前AI 评分20
BenCoDiC：面向孟加拉语政治新闻话语的大规模语境化网络欺凌语料库
BenCoDiC: A Large-Scale Contextual Cyberbullying Corpus for Bengali Political News Discourse FULL VERSION
AI 导读
研究团队发布 BenCoDiC，一个面向孟加拉语政治新闻话语的公开语境化网络欺凌语料库，包含从 100 个 YouTube 视频及其讨论中采集的 50,250 条文本实例，并保留字幕—评论—回复关系。
正文 · AI 翻译
摘要：网络欺凌在网络社区中日益引发关注，然而现有的孟加拉语语料库在上下文信息、标注透明度、规模、可获取性以及对多维分析的支持方面仍然有限，从而阻碍了对骚扰者行为和网络的稳健检测与全面研究。为弥补这些不足，我们推出了孟加拉语语境化与多样化网络欺凌（\textit{BenCoDiC}）语料库，这是一个公开可用的、面向孟加拉语政治新闻话语的语境化网络欺凌资源，包含从 100 个 YouTube 视频及其相关讨论中收集的 50,250 条文本实例。该语料库保留了字幕—评论—回复关系，并通过九维星型模式进行组织，涵盖用户、视频、文本内容、上下文、时间、互动、政党、目标身份和语言类别。最初评估了五个 AI 聊天机器人用于标注，但未能达到预定义的可靠性标准。因此，采用了带专家验证的两级人工标注流程，实现了 Fleiss' $\kappa=0.86$ 和 Krippendorff's $\alpha=0.86$。统计分析刻画了该语料库的特征，而基于 transformer 的实验表明，纳入对话上下文相比孤立文本分类可带来适度但一致的改进。\textit{BenCoDiC} 支持上下文感知的网络欺凌检测以及以施害者为导向的行为与网络分析。该语料库可在 此 https URL 获取。
| 评论： | 8 幅图 16 张表 |
| 主题： | 计算与语言（cs.CL）；社会与信息网络（cs.SI） |
| 引用为： | arXiv:2610.13121 [cs.CL] |
| （或 arXiv:2610.13121v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13121 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Rudra Pratap Deb Nath [查看电子邮件]
[v1]
2026年10月9日星期五 07:16:29 UTC（2,491 KB）
来源：arXiv cs.CL · arxiv.org