#仇恨言论检测

这是一个基于DistilRoBERTa-base的预训练模型，专门用于多分类攻击性和仇恨言论检测。该模型在原创数据集上进行微调，准确率达到94.50%。项目提供了Hugging Face上的数据集和演示空间，以及GitHub上的训练notebook。这为研究人员和开发者提供了一个高效工具，用于识别和分类在线有害内容。

这个基于BETO的模型为西班牙语仇恨言论检测提供了创新解决方案。它不仅能识别针对8个不同群体的仇恨言论，还能检测暴力煽动。通过综合分析评论内容和背景信息，模型实现了更准确的多标签分类。研究人员和内容审核者可以利用此工具，快速获取详细的仇恨言论分析结果，有助于更好地理解和应对在线仇恨言论问题。

此RoBERTa-large模型基于154M推文数据进行训练，并在SuperTweetEval数据集上进行微调，以实现仇恨言论的多类别分类检测。模型能够准确识别多种仇恨类型，包括性别、种族和宗教等，为社交媒体内容管理提供支持。

模型通过8亿词训练，优化波斯尼亚、克罗地亚、黑山及塞尔维亚语言处理。在词性标注、命名实体识别等方面表现优于mBERT、cseBERT，且已微调供识别仇恨言论及命名实体。

ViSoBERT 是一款针对越南社交媒体文本的语言模型，采用了 XLM-R 架构进行单语预训练，在情感识别、仇恨言论检测等领域表现优异。通过高质量、多样性文本训练，实现了对现有模型的超越，并仅限于研究用途。