本文综述了当前基于自然语言处理（NLP）的滥用检测方法，包括数据集、计算方法、优缺点、挑战和解决方案，并提出伦理和可解释性指南。

Aug, 2019

本文探讨了自然语言处理在网络通信中检测恶意行为的方法，并提出了一种以情感状态为特征的多任务学习模型，证明在检测恶意行为方面效果显著。

May, 2020

通过结合自然语言处理技术与机器学习算法，我们描述了一个将银行交易描述分类为个人财务管理的新系统，在一个实际客户交易数据集上进行了训练和测试，并在与其他方法的比较中表现出较高的准确性，同时考虑了复杂性和计算时间。

Mar, 2024

本研究首次对三种对话人工智能系统 (包括一个开放域社交机器人、一个基于规则的聊天机器人和一个任务型系统) 搜集到的辱骂语言进行了英语语料库研究，发现这些系统面临着更多性侵犯色彩的攻击，并进一步测试了现有模型表现，发现 F1 得分不到 90%。

Sep, 2021

该研究使用弱监督、自然语言处理和深度神经网络技术对银行交易进行分类，建立了一个高效可扩展的数据处理管道，展示出比现有市场领先解决方案更有效的分类性能，并能快速扩展到新的使用案例，从而提高了金融健康报告和信用风险评估等金融应用的可用性。

May, 2023

本文主要基于八项伦理原则，即：隐私、问责、安全、可透明、公平和非歧视、技术的人类控制、专业责任、人权的促进，回顾了基于自然语言处理（NLP）的网络滥用内容检测的研究，并提出了权利尊重的社会技术解决方案来检测和对抗线上滥用。

Dec, 2020

通过扩大研究范围，开发促进健康社区的积极技术，并将努力放在正义框架内，以解决更广泛，更严重的虐待问题，以消除数百万人受到的在线虐待问题。

Jun, 2019

使用深度学习的方法对金融欺诈文本进行自然语言处理的二元分类任务，并且通过不同种类的神经网络模型，包括多层感知机、RNN、LSTM 和 GRU 等，进行了准确性比较，为金融欺诈检测领域提供了有价值的见解。

Aug, 2023

使用机器学习技术和过采样技术来识别银行 ATM 诈骗交易，并引入可解释的人工智能和因果推断来进行进一步研究。

Nov, 2022

在越南这一领域中，滥用在各种形式上，包括身体、心理、言语、性、财务和文化上，对心理健康产生负面影响。然而，在应用自然语言处理（NLP）方面，关于这个领域的研究还非常有限。因此，我们的目标是通过构建一个越南人标注的数据集，来检测越南叙事文本中的滥用内容。我们从越南受欢迎的在线报纸 VnExpress 中获取了这些文本，读者经常分享包含滥用内容的故事。在数据集创建过程中，识别和分类这些文本中的滥用内容面临着重大挑战，但也激发了我们的研究兴趣。我们尝试了轻量级的基准模型，通过冻结 PhoBERT 和 XLM-RoBERTa，使用它们的隐藏状态在 BiLSTM 中评估数据集的复杂性。根据我们的实验结果，PhoBERT 在标记和未标记的滥用内容检测任务中表现优于其他模型。这些结果表明，它在未来有改进的潜力。

Dec, 2023