利用特征密度和基于语言学的嵌入来改善基于机器学习的网络欺凌检测的初步研究

Jun, 2022

利用特征密度和基于语言学的嵌入来改善基于机器学习的网络欺凌检测的初步研究

Initial Study into Application of Feature Density and Linguistically-backed Embedding to Improve Machine Learning-based Cyberbullying Detection

PDF

Juuso Eronen, Michal Ptaszynski, Fumito Masui, Gniewosz Leliwa, Michal Wroczynski...

TL;DR本研究对自动网络暴力检测的 Formspring 数据集进行了语言预处理和特征密度分析，并探索了使用不同语言支持嵌入来训练卷积神经网络的新方法，证实了神经网络在网络暴力检测中的有效性和分类器性能与特征密度的相关性。

Abstract

In this research, we study the change in the performance of machine learning (ML) classifiers when various linguistic preprocessing methods of a dataset were used, with the specific focus on linguistically-backed

machine learning linguistic preprocessing convolutional neural networks cyberbullying detection feature density

发现论文，激发创造

探究特征密度在估算机器学习分类器性能中的潜力：以网络欺凌检测为例

本研究分析了特征密度在机器学习分类器性能比较估计方面的潜力，旨在解决大规模 ML 模型训练对环境和资源的影响，特别是在自然语言处理中的应用，本文扩展了以前的研究成果，并提出了语言学支持的特征预处理方法以提高分类器的训练效率，具体而言，是在网络欺负检测方面的应用。

Jun, 2022

比较不同基于语言学的词嵌入在网络欺凌检测中的性能

为了探究如何在词汇元素和结构之间获取更深的关系并过滤多余信息，我们提出了保留词素、句法和其他类型语言信息并结合原始 tokens 或 lemmas 的方法，从而训练出更精确的词向量，并将其应用于预训练的语言模型以提高其性能，为解决复杂的语言表达问题（如检测网络欺凌）提供帮助。

Jun, 2022

利用基于深度学习的模型在社交网络中检测网络欺凌的可复现性研究

本文调查了最近关于 Cyberbullying 检测方面的文献研究结果。通过使用与文献作者相同的数据集，我们成功再现了他们的结果，并在 YouTube 数据集上进行了扩展研究，研究表明基于深度学习的模型优于先前应用于同一 YouTube 数据集的机器学习模型。我们认为，基于深度学习的模型也可以受益于整合其他信息来源，并研究社交网络中用户相关数据的影响。

Dec, 2018

一种用于检测网络欺凌的机器学习集成模型

社交媒体平台、网络欺凌、自动化系统、集成机器学习和挑衅性推文是本研究的关键词。研究通过采用四种特征提取技术，并结合五种机器学习算法，最终实现了 94.00% 的高准确率，优于传统机器学习模型，并超越了之前在相同数据集上的实验结果。

Feb, 2024

跨多个社交网络平台检测网络欺凌的深度学习

本研究采用深度学习模型和迁移学习方法，对包括 Formspring、Twitter 和 Wikipedia 等多个社交媒体平台的数十万条帖子进行了系统分析，并成功地解决了仅针对单一平台、仅针对特定主题和基于手工特征等问题，为针对多个主题的网络欺凌检测提供了有用的见解。

Jan, 2018

通过社交媒体克服由网络欺凌引起的心理健康问题的 Res-CNN-BiLSTM 网络

本文提出了一种基于 Res-CNN-BiLSTM 混合深度学习模型的方法，用于分析社交媒体上的文本语言数据，识别并处理基于宗教、种族、年龄和性别等因素的网络欺凌行为，以对心理健康问题进行干预。

Apr, 2022

社交网络中检测恶意网络欺凌和仇恨言论的深度学习方法

本研究针对社交网络文本数据中含有的对抗性攻击内容，特别强调仇恨言论的网络欺凌进行检测，利用基于深度学习的方法和纠错算法，实现了显著结果。LSTM 模型在固定的 100 个时期内表现出色，准确率、精确率、召回率、F1 分数和 AUC-ROC 分数分别达到了 87.57%、88.73%、87.57%、88.15% 和 91%。此外，LSTM 模型的性能超过了先前的研究。

May, 2024

利用相关图学习句法密集嵌入以进行自动可读性评估

本研究提出了一种在神经网络模型中加入语言特征的方法，通过学习基于语言特征的句法密集嵌入，在语言特征间建立相关性图并利用其来学习嵌入来解决特征间的关系，实验证明该方法显著提高了自动易读性评估的性能，能够与 BERT 仅有模型相辅相成。

Jul, 2021

使用大型语言模型进行网络欺凌检测

社交媒体、网络欺凌、机器学习、大型语言模型和 RoBERTa 在网络欺凌检测方面的应用和效果的研究。

Feb, 2024

保障社交空间：利用深度学习消除网络欺凌

通过深度学习方法，特别是采用 BERT 和 BiLSTM 架构，我们的研究介绍了一种针对网络霸凌问题的深度学习方法，可以有效地分析大量帖子并预测潜在的网络霸凌行为。结果表明，我们的 hateBERT 模型在五个模型中表现卓越，达到了 89.16% 的准确率，为实现更安全和更包容的数字化环境作出了重要贡献。

Apr, 2024