論文の概要: Improving Cyberbully Detection with User Interaction

• arxiv url: http://arxiv.org/abs/2011.00449v2
• Date: Thu, 11 Feb 2021 03:16:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 22:52:53.887045
• Title: Improving Cyberbully Detection with User Interaction
• Title（参考訳）: ユーザインタラクションによるサイバーバブル検出の改善
• Authors: Suyu Ge, Lu Cheng, Huan Liu
• Abstract要約: 本稿では,ユーザインタラクションの時間的ダイナミクスとトピックコヒーレンスをモデル化するためのグラフベース手法を提案する。 我々は,セッションレベルのいじめ検出とコメントレベルの事例スタディのタスクにより,アプローチの有効性を実証的に評価した。
• 参考スコア（独自算出の注目度）: 34.956581421295
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cyberbullying, identified as intended and repeated online bullying behavior, has become increasingly prevalent in the past few decades. Despite the significant progress made thus far, the focus of most existing work on cyberbullying detection lies in the independent content analysis of different comments within a social media session. We argue that such leading notions of analysis suffer from three key limitations: they overlook the temporal correlations among different comments; they only consider the content within a single comment rather than the topic coherence across comments; they remain generic and exploit limited interactions between social media users. In this work, we observe that user comments in the same session may be inherently related, e.g., discussing similar topics, and their interaction may evolve over time. We also show that modeling such topic coherence and temporal interaction are critical to capture the repetitive characteristics of bullying behavior, thus leading to better predicting performance. To achieve the goal, we first construct a unified temporal graph for each social media session. Drawing on recent advances in graph neural network, we then propose a principled graph-based approach for modeling the temporal dynamics and topic coherence throughout user interactions. We empirically evaluate the effectiveness of our approach with the tasks of session-level bullying detection and comment-level case study. Our code is released to public.
• Abstract（参考訳）: ネットいじめの意図的かつ繰り返し行為として認識されるサイバーいじめは、ここ数十年でますます広まっている。 これまでの大きな進歩にもかかわらず、サイバーいじめ検出に関する既存の研究の焦点は、ソーシャルメディアセッション内のさまざまなコメントの独立したコンテンツ分析にある。 異なるコメント間の時間的相関を見落とし、コメント間のトピックコヒーレンスではなく1つのコメント内のコンテンツのみを考慮し、ソーシャルメディアユーザ間のインタラクションを制限したままで、汎用的であり続ける、という3つの制限がある。 本研究では,同一セッションにおけるユーザコメントが,例えば類似トピックについて議論するなど,本質的に関連している可能性があること,そのインタラクションが時間とともに進化する可能性があることを観察する。 また,このような話題のコヒーレンスや時間的相互作用のモデル化がいじめ行動の反復特性を捉える上で重要であることも示し,予測性能の向上につながった。 この目的を達成するために,まずソーシャルメディアセッション毎に統一された時間グラフを構築する。 グラフニューラルネットワークの最近の進歩に基づき,ユーザインタラクションの時間的ダイナミクスとトピックコヒーレンスをモデル化するためのグラフベース手法を提案する。 我々は,セッションレベルのいじめ検出とコメントレベルのケーススタディのタスクを用いて,このアプローチの有効性を実証的に評価した。 私たちのコードは公開されています。

関連論文リスト

• Sim-to-Real Causal Transfer: A Metric Learning Approach to Causally-Aware Interaction Representations [62.48505112245388]
  エージェント相互作用の現代的表現の因果認識を詳細に検討する。 近年の表現は、非因果剤の摂動に対して部分的に耐性があることが示されている。 因果アノテーションを用いた潜在表現を正規化するための計量学習手法を提案する。
  論文  参考訳（メタデータ） (2023-12-07T18:57:03Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Qualitative Analysis of a Graph Transformer Approach to Addressing Hate Speech: Adapting to Dynamically Changing Content [8.393770595114763]
  我々は、ソーシャルネットワークにおけるヘイトスピーチ検出のために、このソリューションの詳細な質的分析を提供する。 重要な洞察は、コンテキストの概念に関する推論に焦点が当てられていることは、オンライン投稿のマルチモーダル分析をサポートするのに十分な位置にあるということだ。 この問題が特に動的変化のテーマとどのように関係しているかを考察して結論付けます。
  論文  参考訳（メタデータ） (2023-01-25T23:32:32Z)
• Aggression and "hate speech" in communication of media users: analysis of control capabilities [50.591267188664666]
  著者らは新メディアにおける利用者の相互影響の可能性を検討した。 新型コロナウイルス(COVID-19)対策として、緊急の社会問題について議論する際、攻撃やヘイトスピーチのレベルが高いことが分かった。 結果は、現代のデジタル環境におけるメディアコンテンツの開発に有用である。
  論文  参考訳（メタデータ） (2022-08-25T15:53:32Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• 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)
• SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction [59.064925464991056]
  ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。 SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。 公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
  論文  参考訳（メタデータ） (2021-12-05T01:49:18Z)
• Exploring and mining attributed sequences of interactions [0.1933681537640272]
  私たちはインタラクションをストリームグラフとしてモデル化します。 ラベル付きストリームグラフ上に閉じたパターンを列挙するアルゴリズムを導入し、関連する閉じたパターンを選択する方法を導入する。 学生間の相互作用と著者間の引用の2つの実世界のデータセットについて実験を行った。
  論文  参考訳（メタデータ） (2021-07-28T12:53:46Z)

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。