في خضم تزايد خطاب الكراهية عبر منصات التواصل الاجتماعي، تمثل تقنيات الكشف عن هذا السلوك تحدياً مهماً. فقد تم الانتقال من عمليات التصنيف الخشنة إلى تحليل هيكلي أعمق، حيث يتعين على الأنظمة تحديد الأهداف الحاقدة والأدلة المرتبطة. وفي هذا السياق، تم تقديم SPAR-Hate، وهو إطار جديد ومبتكر لتمكين تحليل خطاب الكراهية ثنائي اللغة.

يتميز SPAR-Hate بطابعه الفريد، حيث يعتمد على عملية مراجعة متعددة الجوانب من خلال ثلاثة مناظير: الضحية (Victim)، المشرف (Moderator)، والمراقب الثقافي (Cultural Bystander). يقوم هذا الإطار بتقسيم الوثائق إلى وحدات قرار على مستوى الجمل، مما يسهل عليه تقديم أحكام مستندة إلى الأدلة من كل منظور. ومع ذلك، قد تنشأ نزاعات بين التنبؤات الخاصة بكل دور؛ ولحل هذه النزاعات، يتم استخدام عملية تحكيم تعتمد على الأدلة، تحقق من تجميع التنبؤات في outputs متسقة ومنظمة.

تؤكد التجارب التي أُجريت على معايير STATE-ToxiCN وTBO أن SPAR-Hate يتميز بتحسين مستمر في تحليل خطاب الكراهية ثنائي اللغة عبر نماذج لغة ضخمة (Large Language Models). حقق هذا الإطار نتائج متطورة في مهام استخراج متعددة الجوانب، حيث لوحظت أكبر المكاسب تحت معايير التقييم الهيكلي الأكثر صرامة.

إن SPAR-Hate يرسم طريقاً جديداً لمواجهة التحديات المتعلقة بخطاب الكراهية، مسلطًا الضوء على أهمية العمل الجماعي بين الأدوار المختلفة لإنشاء نظام تحليل فعال ودقيق. هل أنتم متحمسون لهذا التطور في عالم الذكاء الاصطناعي وأثره على محاربة خطاب الكراهية؟ شاركونا آراءكم في التعليقات!