Hate Speech: Verbreitung effektiver verhindern
25 Juni 2021
Wer Plattformen wie Twitter oder Facebook täglich nutzt, kam sicherlich schon einmal damit in Kontakt: Hate Speech. Insbesondere im Kontext sozialer Medien erfährt das Thema eine zunehmende Aufmerksamkeit. Für gewöhnlich wird Hate Speech (dt.: Hassrede) hier eingesetzt, um Einzelpersonen oder Gruppen aufgrund ihrer Charakteristika, wie beispielsweise Hautfarbe, sexueller Orientierung oder politischer Ansichten, gezielt herabzusetzen. Die große Menge der nutzergenerierten Inhalte auf Plattformen wie Twitter erschwert jedoch die Erkennung solcher unerwünschten Beiträge und damit auch eine frühzeitige Intervention seitens der Plattformbetreiber.
Im Rahmen der PAN @ CLEF 2021 wurde ein Shared Task aufgesetzt, mit dem diesem Problem ein Schritt weiter entgegengetreten werden sollte. Ziel war es, mögliche Hate Speech Spreader in einem bereitgestellten Twitter-Datensatz mittels Profiling automatisiert zu identifizieren. Auf der Suche nach der effektivsten Lösung des Problems traten dabei mehr als 60 Teams in einem Wettbewerb gegeneinander an. Auch ein Team der Professur für Data Science, bestehend aus Julian Höllig, Dr. Yeong Su Lee und Dr. Nina Seemann, beteiligte sich in diesem Jahr an den Shared Task und konnte mit seiner Lösung eine hervorragende Platzierung unter den Top 10 erreichen. Zudem wird ihr Beitrag zu "Effective Detection of Hate Speech Spreaders on Twitter" später in den CLEF 2021 Working Notes veröffentlicht.
Die CLEF 2021 ist die 12. Auflage der Conference and Labs on Information Forum (CLEF) und wird in diesem Jahr als Online-Event vom 21. - 24.09. stattfinden.
Weitere Informationen zur CLEF 2021: http://clef2021.clef-initiative.eu
Bildquelle: Hatice Erol / Pixabay
