该文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：
作者及机构
本研究由Qingbao Huang（第一作者，广西大学电气工程学院）、Zehua Deng、Shizhen Chen、Yifei Chen（广西大学计算机与电子信息学院）及Feng Shuang（广西大学电气工程学院/广西电力装备智能控制与维护重点实验室）共同完成，发表于NLPCC 2024会议（Springer LNAI系列，2025年出版）。
学术背景
研究领域与动机
研究聚焦于电力领域仇恨言论检测（hate speech detection），属于自然语言处理（NLP）与社会计算交叉领域。当前仇恨言论检测研究多集中于种族、性别等常见主题，而电力行业因其专业性和封闭性，公众易受虚假信息误导，导致针对电力行业的仇恨言论在社交媒体（如微博）隐蔽传播，可能引发社会信任危机、行业形象损害甚至公共安全风险（如煽动对电网公司的暴力行为）。
研究目标
- 填补空白：首次提出电力领域仇恨言论检测任务，构建首个电力领域仇恨言论数据集P-Hat（含6000条微博文本及图像）。
- 方法创新：提出基于提示学习（prompt learning）的检测模型ProPH，融合电力领域知识（如专业术语、工作场景）提升检测精度。
研究流程详述
1. 数据收集与处理
- 数据来源：通过关键词（如“电老虎”“垃圾电网”）爬取微博内容，筛选非转发、文本长度3-150字的帖子。
- 数据清洗：去除重复文本/图像、外部链接、无意义符号及用户提及（@），保留语义清晰的6000条数据（仇恨/非仇恨各占50%）。
- 数据集划分：按8:1:1分为训练集（4800条）、验证集（600条）和测试集（600条）。
2. 数据标注
- 标注流程：通过众包平台CrowdVilan进行多数投票标注，由电力专业研究生团队（2名标注员+1名仲裁员）完成。标注标准分为两类：
- 非仇恨：中性或正面评价电力行业的内容。
- 仇恨：含贬损、威胁或煽动性言论（如“电老虎吸血”）。
- 质量控制：标注不一致时由仲裁员介入，确保标注一致性。
3. 模型构建（ProPH）
核心创新：结合视觉语言模型（VLMs）与提示学习，解决电力领域专业术语和场景理解难题。
- 图像描述生成：使用预训练模型Qwen-VL Plus将微博图像转化为文本描述，补充电力工作场景信息（如“电力设施维修”）。
- 提示模板设计：
- 模板结构：包含正例（正常微博）、反例（仇恨微博）和待预测实例，标签词映射为自然语句（如“This is [good/bad]”）。
- 示例：
[正例文本]<sep>[图像描述]<sep>This is good [反例文本]<sep>[图像描述]<sep>This is bad [待预测文本]<sep>[图像描述]<sep>This is [mask]
- 训练与预测：基于RoBERTa模型，通过掩码语言建模（MLM）任务预测标签词（“good”或“bad”），损失函数为交叉熵。
4. 实验设计
- 基线模型：对比BERT、RoBERTa及其中文变体，以及政治仇恨词典方法（PTSD）。
- 评估指标：准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1值。
- 超参数：学习率3e-5（ProPH）、批量大小8、最大训练轮次10。
主要结果
- 模型性能：
- ProPH在测试集上全面超越基线模型，F1达91.03%（较RoBERTa中文版提升6.61%）。
- 关键指标：准确率91.23%、精确率93.20%、召回率88.96%。
- 消融实验：
- 移除图像描述时F1下降6.7%，证明电力场景信息对检测至关重要。
- 移除提示模板时F1下降2.44%，显示模板设计的有效性。
- 案例分析：
- ProPH能通过图像描述纠正文本歧义（如“电力十足工人”被误判为仇恨时，结合图像判定为非仇恨）。
- 专业术语（如“电网改造”）与图像场景（如“维修作业”）的关联增强模型判断能力。
结论与价值
- 科学价值：
- 首创电力领域仇恨言论检测任务，拓展NLP在社会关键行业的应用边界。
- 提出的多模态提示学习框架为领域特定仇恨检测提供新范式。
- 应用价值：
- 助力电网公司实时监测舆情，降低社会冲突风险。
- 数据集P-Hat公开促进后续研究。
研究亮点
- 领域创新：首次系统定义电力仇恨言论的特征（如专业术语滥用、场景关联性）。
- 方法优势：
- 融合视觉语言模型与提示学习，解决领域知识缺乏问题。
- 无需额外分类头，保持预训练模型的高效性。
- 社会意义：为能源、交通等专业领域仇恨言论治理提供技术参考。
其他价值
- 局限性：图像描述偶现关键信息遗漏（如未识别“儿童参观”场景），未来需增强逻辑推理模块。
- 伦理声明：数据集仅用于科研，标注过程避免偏见传播。
（报告字数：约2000字）