基于DistilBERT-BiLSTM-Attention的可解释仇恨言论检测框架
针对社交媒体仇恨言论检测多局限于二分类、单数据集评估且缺乏决策可解释性的问题，该研究提出了一种多层级且具备可解释性的仇恨言论检测框架。该框架融合了DistilBERT、双向长短期记忆网络（BiLSTM）与注意力机制，旨在同时支持二分类与多类别分类任务，并增强模型预测推理过程的透明度与实际应用价值，助力内容审查系统的部署。
推荐理由提出结合轻量化预训练模型与注意力机制的新架构，兼顾多类别分类性能与模型可解释性，契合内容安全治理需求。
原标题：An Explainable DistilBERT-BiLSTM-Attention Framework for Binary and Multi-Class Hate Speech Detection
阅读 arXiv 自然语言处理 原文 ↗