As abusive language has emerged as one of the social problems, many researchers have attempted to automatically detect abusive language from online texts. The researchers have addressed various aspects of abusive languages, such as hate speech, derogatory language, and profanity, and performed various detection tasks, such as abusiveness detection, target detection, or target identification. In this regard, such diverse aspects of abusive language call for new datasets. However, constructing a new dataset is undesirable because it is not efficient due to the labor-intensive nature of annotations. Accordingly, there is a trend to improve detection performance by using data augmentation techniques in abusive language detection. In this study, we propose automatically augmenting the existing dataset by employing back-translation, maintaining the meaning of the original data but securing the diversity of words and structures. Previous studies using the back-translation augmentation showed performance degradation due to the use of a specific pivot language. Still, our study experimentally showed that data augmentation with guaranteed linguistic diversity is possible by using various pivot languages. In addition, in order to solve the limitations presented in previous studies, we introduce a post-processing method based on domain knowledge and validate its effectiveness through experiments.
온라인상 언어폭력이 사회적 문제로 인식되면서, 최근 이에 대한 자동 탐지 노력이 지속되고 있다. 언어폭력의 다양하고 세부적인 측면을 다룰수록 새로운 데이터를 더 많이 필요로 하지만 주석자의 노동력을 동반한 데이터셋 구축은 효율적이지 못하다는 문제가 있다. 이에 언어폭력 탐지 분야에서도 데이터 증강 기법을 활용하여 탐지 성능의 향상을 도모하는 추세이다. 본 연구에서는 기존 데이터의 의미를 유지하면서도 단어와 구조의 다양성을 확보할 수 있는 증강 기법인 역 번역 기법을 활용하여 언어폭력 데이터를 증강한다. 역 번역 증강 기법을 활용한 선행연구는 특정 주축어에 따른 성능 저하를 한계로 삼았으나, 본 연구는 다양한 주축어를 활용함에 따라 언어적 다양성이 보장된 데이터 증강이 가능함을 실험적으로 보였다. 또한 선행연구에서 제시한 한계를 해결하기 위하여 도메인 지식을 기반으로 한 사후 처리 방법을 제시하고, 실험을 통해 그 효과를 입증하였다.
