Mar, 2022

在社交网络上检测攻击性语言：基于图形注意网络的端到端检测方法

PDF
TL;DR本文提出了一种基于社区结构和文本特征的端到端方法（CT-OLD）进行冒犯语言检测，其中社区结构特征被直接捕获，并使用 BERT 的最后隐藏层从文本中提取嵌入；同时，加入用户观点以表示用户特征，用户历史行为信息更适合用户意见表示。该模型的 F1 得分为 89.94％。
offensive language detectioncommunity structure featuresgraph attention networkbertuser opinion representation
发现论文，激发创造
  • 基于图卷积神经网络的辱骂语言检测

    网络滥用是当前重大的社会问题。本文提出了一种新的基于图卷积网络和用户语言行为的自动化滥用语言检测方法，较之现有技术在对在线社群的结构和语言特征建模方面获得了显著提升。

    Apr, 2019

  • 基于依存语法的细粒度攻击性语言检测：使用图卷积网络

    本文介绍了使用 SyLSTM 来检测 Twitter 上的冒犯性言论，同时检测冒犯的类型和目标的新方法，该方法在深度学习体系结构中将句子的句法特征和语义特征相结合，通过图形卷积网络进行集成。结果表明，该方法在参数数量方面比最先进的 BERT 模型有数量级的优势。

    May, 2022

  • 基于神经网络字符组合的滥用检测模型

    本研究设计了一个可以为未知单词组合嵌入的模型，与现有的自然语言处理技术相比，本方法可以更好地检测社交媒体上的滥用言论，数据集包含 Twitter 和 Wikipedia talk page。

    Sep, 2018

  • 基于深度学习的推文中的恶意语言检测

    该论文提出了一种在社交媒体上识别仇恨内容的检测方案，并使用带有用户相关信息的各种特征以及来自文本内容的词频向量输入到一组循环神经网络分类器中，经实验证明该方法的有效性不仅可以成功区分仇恨言论和正常文本，而且分类的准确性也高于现有的最先进算法。

    Jan, 2018

  • 一种用于滥用检测的统一深度学习架构

    此研究使用深度学习技术基于 Twitter 数据，对社交媒体中的仇恨言论、辱骂言论、性别歧视、种族主义与欺凌行为开展综合研究，并提出了一种基于元数据和文本的检测方法，效果优于现有的检测方法。

    Feb, 2018

  • 仇恨言论检测的作者画像

    本文提出了一种基于社区特征的推特用户恶意言论检测方法，实验结果显示该方法在检测恶意言论方面的效果显著优于现有的方法。

    Feb, 2019

  • Twitter 上的攻击性语言检测

    本篇报告探讨了社交媒体中侮辱性语言的检测是其中的关键挑战之一，研究者已经提出了许多先进的方法来完成这项任务，在此基础上，作者结合自己的想法，成功实现了 74% 的侮辱性 tweet 分类准确率，并列举了社交媒体世界中即将出现的滥用内容检测挑战。

    Sep, 2022

  • 在 Twitter 上应用图神经网络进行反社会行为检测

    社交媒体上恶劣行为的复苏对刻板观念、对个人和社会群体的仇恨言论以及虚假或扭曲的新闻产生了不良影响。引入基于图卷积数据的方法来更好地捕捉异构数据之间的依赖关系，为未来调节社交媒体平台上的交流提供了希望。我们提出并评估了一种基于图的方法来检测恶劣行为，具有普遍适用性，既不受语言也不受上下文限制。在本研究中，我们在几个 PAN 数据集上进行了实验验证，这些数据集是作为共享任务的一部分提供的，可以讨论所提出解决方案的结果。

    Dec, 2023

  • Twitter 上具有仇恨言论用户的特征和检测

    本文主要研究如何优化针对仇恨言论的检测方法，采用了基于用户而非文本内容的方式，最终提出一种基于半监督学习和节点嵌入算法的新型检测方法，在 Twitter 平台上取得了的较好效果。

    Mar, 2018

  • 利用社交关注解决情感分析中的语言变异问题

    本文介绍了一种基于注意力机制的神经网络结构，利用社交网络中的同质性，将分类函数平滑化，从而实现个性化的情感分析模型，提高在 Twitter 和评论数据上的情感分析准确性。

    Nov, 2015