論文の概要: HENIN: Learning Heterogeneous Neural Interaction Networks for
Explainable Cyberbullying Detection on Social Media
- arxiv url: http://arxiv.org/abs/2010.04576v1
- Date: Fri, 9 Oct 2020 13:44:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 04:29:30.820983
- Title: HENIN: Learning Heterogeneous Neural Interaction Networks for
Explainable Cyberbullying Detection on Social Media
- Title（参考訳）: HENIN:ソーシャルメディアにおける説明可能なサイバーバブル検出のための異種ニューラルネットワーク学習
- Authors: Hsin-Yu Chen, Cheng-Te Li
- Abstract要約: 本稿では,サイバーバブル検出のための新しいディープモデルであるヘテロジニアス・ニューラル・インタラクション・ネットワーク(HENIN)を提案する。
HENINには、コメントエンコーダ、コミット後のコアテンションサブネットワーク、セッションセッションとポストのインタラクション抽出器が含まれる。
- 参考スコア（独自算出の注目度）: 11.443698975923176
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the computational detection of cyberbullying, existing work largely
focused on building generic classifiers that rely exclusively on text analysis
of social media sessions. Despite their empirical success, we argue that a
critical missing piece is the model explainability, i.e., why a particular
piece of media session is detected as cyberbullying. In this paper, therefore,
we propose a novel deep model, HEterogeneous Neural Interaction Networks
(HENIN), for explainable cyberbullying detection. HENIN contains the following
components: a comment encoder, a post-comment co-attention sub-network, and
session-session and post-post interaction extractors. Extensive experiments
conducted on real datasets exhibit not only the promising performance of HENIN,
but also highlight evidential comments so that one can understand why a media
session is identified as cyberbullying.
- Abstract（参考訳）: サイバーいじめの計算検出において、既存の研究は主にソーシャルメディアセッションのテキスト分析のみに依存する汎用分類器の構築に重点を置いていた。
実験的な成功にもかかわらず、重要な欠落点はモデル説明可能性であり、なぜ特定のメディアセッションがサイバーいじめとして検出されるのかを論じる。
そこで本稿では,サイバーバブル検出のための新しいディープモデルであるヘテロジニアスニューラルネットワーク(HENIN)を提案する。
heninには以下のコンポーネントが含まれている: コメントエンコーダ、post-comment co-attentionサブネットワーク、セッションセッションおよびpost-postインタラクション抽出器。
実際のデータセットで実施された大規模な実験は、HENINの有望なパフォーマンスを示すだけでなく、メディアセッションがなぜサイバーいじめであるかを理解するための明確なコメントも強調している。
関連論文リスト
- Sentiment Analysis of Cyberbullying Data in Social Media [0.0]
我々の研究は、ソーシャルメディア投稿におけるいじめの痕跡を検出するために、ディープラーニングと自然言語理解技術を活用することに焦点を当てている。
1つのアプローチではBERT埋め込みを使用し、もう1つはOpenAIから最近リリースされた埋め込みAPIに埋め込みレイヤを置き換える。
フォームスプリング型サイバーバブルデータにおける感情分析の有効性を評価するために,これらの2つの手法の性能比較を行った。
論文 参考訳（メタデータ） (2024-11-08T20:41:04Z) - Explain Thyself Bully: Sentiment Aided Cyberbullying Detection with
Explanation [52.3781496277104]
さまざまなソーシャルメディアネットワークやオンラインコミュニケーションアプリの人気により、サイバーいじめが大きな問題になっている。
一般データ保護規則の「説明の権利」のような近年の法律は、解釈可能なモデルの開発に拍車をかけた。
我々は,コード混在言語からの自動サイバーバブル検出のための,mExCBと呼ばれる最初の解釈可能なマルチタスクモデルを開発した。
論文 参考訳（メタデータ） (2024-01-17T07:36:22Z) - Investigating Human-Identifiable Features Hidden in Adversarial
Perturbations [54.39726653562144]
我々の研究では、最大5つの攻撃アルゴリズムを3つのデータセットにわたって探索する。
対人摂動における人間の識別可能な特徴を同定する。
画素レベルのアノテーションを用いて、そのような特徴を抽出し、ターゲットモデルに妥協する能力を実証する。
論文 参考訳（メタデータ） (2023-09-28T22:31:29Z) - Cyberbullying in Text Content Detection: An Analytical Review [0.0]
オンラインソーシャルネットワークは、自殺、摂食障害、サイバー犯罪、強制行動、不安、抑うつといった生命を脅かす状況へのユーザーの露出を増大させる。
サイバーいじめの問題を解決するため、既存の文献の多くは、要因を特定し、サイバーいじめに関連するテキスト的要因を理解するためのアプローチの開発に重点を置いている。
本稿では,サイバーバブル検出の理解を深めるために,総合的な文献レビューを行う。
論文 参考訳（メタデータ） (2023-03-18T21:23:06Z) - CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a
Context Synergized Hyperbolic Network [52.85130555886915]
CoSynは、オンライン会話における暗黙のヘイトスピーチを検出するために、ユーザと会話のコンテキストを明示的に組み込んだ、コンテキスト中心のニューラルネットワークである。
我々は、CoSynが、1.24%から57.8%の範囲で絶対的に改善された暗黙のヘイトスピーチを検出することで、我々のベースラインを全て上回っていることを示す。
論文 参考訳（メタデータ） (2023-03-02T17:30:43Z) - Session-based Cyberbullying Detection in Social Media: A Survey [16.39344929765961]
問題のさまざまなステップと課題をカプセル化したセッションベースのサイバーバブル検出フレームワークを定義します。
我々は,セッションベースのサイバーいじめデータセットを作成するための一連のベストプラクティスのエビデンスベースの基準を提案する。
論文 参考訳（メタデータ） (2022-07-14T18:56:54Z) - Initial Study into Application of Feature Density and
Linguistically-backed Embedding to Improve Machine Learning-based
Cyberbullying Detection [54.83707803301847]
この研究は、自動サイバーバブル検出に関するKaggleコンペティションで提供されたFormspringデータセットで実施された。
本研究は,サイバブリング検出におけるニューラルネットワークの有効性と分類器性能と特徴密度の相関性を確認した。
論文 参考訳（メタデータ） (2022-06-04T03:17:15Z) - Searching for the Essence of Adversarial Perturbations [73.96215665913797]
本稿では,ニューラルネットワークの誤予測の原因となる,人間の認識可能な情報を含む対人摂動について述べる。
この人間の認識可能な情報の概念は、敵の摂動に関連する重要な特徴を説明できる。
論文 参考訳（メタデータ） (2022-05-30T18:04:57Z) - Understanding the Role of Individual Units in a Deep Neural Network [85.23117441162772]
本稿では,画像分類と画像生成ネットワーク内の隠れ単位を系統的に同定する分析フレームワークを提案する。
まず、シーン分類に基づいて訓練された畳み込みニューラルネットワーク(CNN)を分析し、多様なオブジェクト概念にマッチするユニットを発見する。
第2に、シーンを生成するために訓練されたGANモデルについて、同様の分析手法を用いて分析する。
論文 参考訳（メタデータ） (2020-09-10T17:59:10Z) - Aggressive, Repetitive, Intentional, Visible, and Imbalanced: Refining
Representations for Cyberbullying Classification [4.945634077636197]
本研究では,その社会的・言語的側面を表現するために,5つの明確な要因を用いて,サイバーいじめのニュアンスな問題を考察する。
これらの結果は、サイバーいじめを社会現象として表現し、モデル化することの重要性を示している。
論文 参考訳（メタデータ） (2020-04-04T00:35:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。