Offensive Language Detection in Arabizi الكشف عن اللغة الهجومية في أرابيزي Détection de langage offensant en arabizi Detección de lenguaje ofensivo en arabizi

Detecting offensive language in under-resourced languages presents a significant real-world challenge for social media platforms. This paper is the first work focused on the issue of offensive language detection in Arabizi, an under-explored topic in an under-resourced form of Arabic. For the first time, a comprehensive and critical overview of the existing work on the topic is presented. In addition, we carry out experiments using different BERT-like models and show the feasibility of detecting offensive language in Arabizi with high accuracy. Throughout a thorough analysis of results, we emphasize the complexities introduced by dialect variations and out-of-domain generalization. We use in our experiments a dataset that we have constructed by leveraging existing, albeit limited, resources. To facilitate further research, we make this dataset publicly accessible to the research community. يمثل اكتشاف اللغة المسيئة باللغات التي تعاني من نقص الموارد تحديًا كبيرًا في العالم الحقيقي لمنصات وسائل التواصل الاجتماعي. هذه الورقة هي أول عمل يركز على قضية الكشف عن اللغة المسيئة في عربيزي، وهو موضوع لم يتم استكشافه بشكل كافٍ في شكل من أشكال اللغة العربية التي تفتقر إلى الموارد. لأول مرة، يتم تقديم لمحة شاملة وحاسمة عن العمل الحالي حول هذا الموضوع. بالإضافة إلى ذلك، نقوم بإجراء تجارب باستخدام نماذج مختلفة تشبه BERT ونظهر جدوى اكتشاف اللغة المسيئة في Arabizi بدقة عالية. من خلال تحليل شامل للنتائج، نؤكد على التعقيدات التي أدخلتها اختلافات اللهجات والتعميم خارج المجال. نستخدم في تجاربنا مجموعة بيانات أنشأناها من خلال الاستفادة من الموارد الحالية، وإن كانت محدودة. لتسهيل إجراء المزيد من الأبحاث، نجعل مجموعة البيانات هذه متاحة للجمهور لمجتمع البحث. La détection d'un langage offensant dans des langues sous-financées représente un défi important dans le monde réel pour les plateformes de médias sociaux. Ce document est le premier travail axé sur la question de la détection des langues offensantes en arabizi, un sujet sous-exploré dans une forme d'arabe sous-financée. Pour la première fois, un aperçu complet et critique des travaux existants sur le sujet est présenté. En outre, nous effectuons des expériences en utilisant différents modèles de type BERT et montrons la faisabilité de détecter le langage offensant en arabizi avec une grande précision. Tout au long d'une analyse approfondie des résultats, nous soulignons les complexités introduites par les variations dialectales et la généralisation hors domaine. Nous utilisons dans nos expériences un ensemble de données que nous avons construit en tirant parti des ressources existantes, bien que limitées. Pour faciliter la poursuite de la recherche, nous rendons cet ensemble de données accessible au public à la communauté des chercheurs. La detección de lenguaje ofensivo en idiomas con pocos recursos presenta un importante desafío en el mundo real para las plataformas de redes sociales. Este documento es el primer trabajo centrado en el tema de la detección de lenguaje ofensivo en Arabizi, un tema poco explorado en una forma de árabe con pocos recursos. Por primera vez, se presenta una visión global y crítica del trabajo existente sobre el tema. Además, llevamos a cabo experimentos utilizando diferentes modelos similares a BERT y mostramos la viabilidad de detectar lenguaje ofensivo en Arabizi con alta precisión. A lo largo de un análisis exhaustivo de los resultados, enfatizamos las complejidades introducidas por las variaciones dialectales y la generalización fuera del dominio. Utilizamos en nuestros experimentos un conjunto de datos que hemos construido aprovechando los recursos existentes, aunque limitados. Para facilitar la investigación adicional, ponemos este conjunto de datos a disposición del público para la comunidad investigadora.