摘要

近年来，社交媒体的持续普及对在线平台中仇恨言论和冒犯性言论的泛滥产生了直接影响。现有针对此类内容有效检测的研究主要集中在英语及其他少数几种广泛使用的语言上，而其余大多数语言则缺乏相应的研究投入，因而无法充分受益于该领域持续取得的技术进步。本文提出 \textsc{Shaj}，一个基于多种社交媒体平台用户生成内容构建的阿尔巴尼亚语仇恨言论与冒犯性言论标注数据集。该数据集的标注遵循 OffensEval 提出的层级化标注框架。我们采用三种不同的分类模型对该数据集进行了测试，其中表现最佳的模型在冒犯性语言识别任务上取得了 0.77 的 F1 分数，在冒犯性言论类型自动分类任务中获得 0.64 的 F1 分数，而在冒犯性语言目标识别任务中则达到 0.52 的 F1 分数。