arXiv cs.CY· Tianwei Zhang, Ivy Njoki Nyagwencha, Zahraa Dirani, Shalini Joshi, Scott A. Hale·· 10 小时前AI 评分31
ALTO：非洲与黎凡特地区技术辅助性别暴力语料库
ALTO: African and Levantine Tech-Facilitated Gender-Based Violence Corpus
AI 导读
研究团队与约旦、法语西非和肯尼亚的民间社会组织合作，以社区主导方式众包黎凡特阿拉伯语、非洲法语和斯瓦希里语的 TFGBV 实例，通过主动学习标注构建了 N=3022 的小规模数据集 ALTO。基准测试与微调实验显示，现有有害内容检测模型在 ALTO 上 TFGBV 召回率偏低，微调后有所改善；模型在各语言中常漏检隐性伤害，斯瓦希里语错误率明显更高。团队已发布标注分类体系、数据集和训练模型。
正文 · AI 翻译
摘要：技术助长的性别暴力（TFGBV）是一种普遍存在的网络危害，通过多种直接和隐蔽的形式影响女性和性别少数群体。当前的性别化危害检测模型和标注数据集主要由全球北方语言的数据主导，且模型也在这些语言上训练。我们与来自约旦、法语西非和肯尼亚的民间社会组织（CSO）合作，开发了一种社区主导的方法，以众包方式收集黎凡特阿拉伯语、非洲法语和斯瓦希里语中与文化及语言相关的 TFGBV 实例。我们使用主动学习对众包数据进行标注，开发了一个规模小但性能良好的数据集（N=3022），名为 ALTO，以改进这三种语言的 TFGBV 检测。通过基准测试和微调实验，我们表明现有的有害内容检测模型在 ALTO 中对 TFGBV 的召回率较差，而微调后有所改善。我们发现模型在所有语言中常常漏掉隐蔽危害，而斯瓦希里语的错误率明显更高。我们报告了实验结果，并发布了标注分类体系、数据集和训练好的模型。
| 评论： | 正文 8 页，附录 10 页，1 张图 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；计算机与社会（cs.CY）；机器学习（cs.LG） |
| ACM 分类： | I.2.7；K.4.2 |
| 引用为： | arXiv:2611.06706 [cs.CL] |
| （或 arXiv:2611.06706v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06706 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Tianwei (Terry) Zhang [查看邮箱]
[v1]
2026年11月4日星期三 16:06:15 UTC（178 KB）
来源：arXiv cs.CY · arxiv.org