摘要

在仇恨言论检测模型中，除了检测性能之外，还应重点关注偏差（bias）与可解释性（explainability）两个关键方面。仇恨言论的识别不能仅依赖于特定词汇的存在；模型必须具备类人的推理能力，并且其判断过程应具备可解释性。为提升模型在这两方面的表现，本文提出一种中间任务——掩码理由预测（Masked Rationale Prediction, MRP）。MRP任务旨在通过结合上下文标记与未被掩码的理由片段（即人类判断所依据的句子片段），预测被掩码的人类理由。通过该任务，模型能够基于理由学习推理能力，从而在偏差控制和可解释性方面实现对仇恨言论检测的稳健表现。实验结果表明，所提出的方法在多种评估指标上均达到当前最优水平，充分验证了其在仇恨言论检测任务中的有效性。