ارزیابی صحیح پیام‌های توهین‌آمیز یا تنفرآمیز و تمایز آن از سایز پیام‌ها، تبدیل به یک نیاز مبرم برای تضمین آزادی بیان شده است. در حال حاضر بسیاری از شبکه‌های اجتماعی مجهز به موتور تشخیص خودکار متون تنفرآمیز هستند که هر یک با ترکیب ارزیابی انسانی سعی در کاهش میزان انتشار این‌گونه مطالب می‌شوند.

اهدافی که تیم پژوهشی در این تحقیق آن را دنبال می‌نماید؛ اول جمع‌آوری مجموعه دادگان توهین‌آمیز و تنفرآمیز در زبان فارسی است. جمع‌آوری دادگان توهین‌آمیز با استفاده از یک هسته اولیه از کلمات (عبارات) توهین‌آمیز شروع می‌شود. توئیت‌ها (یا دادگان) بر اساس این هسته فیلتر می‌شوند، سپس توئیت‌ها توسط داور انسانی برچسب دهی می‌شود. جهت بهبود وضعیت استخراج توئیت‌ها، از روش bootstrap استفاده می‌شود. بدین‌صورت که کلمات (عبارات) پرکاربرد توئیت‌های برچسب‌دهی‌شده، دوباره جمع‌آوری می‌شود و به‌عنوان فیلترهای جدید جهت فیلتر توئیت‌ها استفاده می‌شود.

برای دادگان توهین‌آمیز / تنفرآمیز ابتدا با استفاده از خزشگرهای شبکه‌های اجتماعی و روش جمع سپاری، داده‌های موردنظر جمع‌آوری می‌شود. سپس یک آیین‌نامه برچسب‌زنی برای متون تنفرآمیز تهیه می‌گردد که مورد استفاده داوران انسانی است.

سعی می‌شود که بخش‌هایی از دادگان (برای مثال 1000 رکورد) توسط بیش از یک داور انسانی هم‌زمان برچسب دهی شود تا بتوان میزان توافق بین داوران انسانی را محاسبه کرد.

پس از تکمیل دادگان آموزشی و انتخاب دادگان ارزیابی، مدل تشخیص توهین‌آمیز بودن متون، با استفاده از طبقه‌بندی مبتنی بر شبکه عصبی عمیق صورت می‌گیرد.

اینکه شبکه عصبی عمیق چه ساختاری دارد و اینکه آیا طبقه‌بندی سلسله مراتبی باشد یا یک سطحی، از نکات مهم این طرح است. همچنین یکی از مشکلات جدی این سامانه بایاس بودن آن نسبت به یک سری از واژگان و عبارات هست که بایستی اصلاح شود. حذف بایاس نیز از نکات این طرح به شمار می‌آید.