要約
オンラインプラットフォームにおけるイスラムへの嫌悪を示す言語は、寛容性の欠如を助長するため、その検出と排除は調和の促進に不可欠である。従来のヘイトスピーチ検出モデルは、トークン化、品詞タグ付け、エンコーダデコーダモデルなどの自然言語処理（NLP）技術に依存している。しかし、データポイント間の関係性を活用できる点に優れるグラフニューラルネットワーク（GNN）は、より効果的な検出と高い説明可能性を提供する。本研究では、発言をノードとして表現し、文脈および類似性に基づいてノード間をエッジで接続することでグラフを構築する。本研究は、GNNを用いた新しい枠組みを提案し、イスラムに対するヘイトスピーチの検出と説明を実現する。モデルは、事前学習済みのNLPによる単語埋め込みを用いてテキスト間の関係を連結することで、ヘイトスピーチの文脈とパターンを理解し、最先端の性能を達成するとともに、検出精度を向上させつつ、価値ある説明を提供する。これにより、GNNがオンライン上のヘイトスピーチ対策における潜在的な有効性が示され、より安全で包括的なオンライン環境の実現に貢献する可能性が浮き彫りになった。