计算机工程与应用

作者：蔡佳鸿, 于娟, 席运江

单位：1.福州大学 经济与管理学院，福州 350108；2.华南理工大学 工商管理学院，广州 510641；

关键词：迁移学习,低资源语言,仇恨言论检测,跨语言,对比学习

基金：国家自然科学基金（72171090，71771054）；福建省自然科学基金（2023J01393）。

针对低资源语言仇恨言论检测中训练资源匮乏的问题，提出一种基于迁移学习的低资源语言仇恨言论检测模型（hate speech detection model for low-resource languages，HateLL）。HateLL利用SBERT生成文本表示，基于对比学习抽取高资源源语言和低资源目标语言的跨语言语义特征，实现多任务学习的仇恨言论文本分类。在多个低资源语言数据集上的实验结果表明，HateLL的平均准确率与平均F1值分别为77.43%和78.4%，显著优于基线模型；F1值在丹麦语、意大利语、德语和西班牙语上的提升幅度均超过0.049。HateLL在最大化相同语义特征相似性的同时，缩小不同语言特征分布的差异，能够有效提高低资源语言仇恨言论检测的性能。

来源：2026年第7期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第7期