摘要
网络性别歧视（online misogyny）作为一种网络暴力语言的类别，具有严重的社会危害性。对网络中的性别歧视语言进行自动检测虽属迫切需求，但在数据收集、数据标注以及偏见缓解等方面均面临复杂挑战，原因在于此类语言在语言特征上具有高度的复杂性与多样性。本文在该领域作出三项贡献：首先，详细阐述了我们迭代式标注流程与标注手册（codebook）的设计过程；其次，提出了一套全面的标签分类体系，用于对自然书面语言中的性别歧视内容进行标注；最后，构建了一个高质量的标注数据集，其中的文本样本均来自社交媒体帖子的抽样数据。