Fugu-MT 論文翻訳(概要): Analysis of Online Toxicity Detection Using Machine Learning Approaches

論文の概要: Analysis of Online Toxicity Detection Using Machine Learning Approaches

arxiv url: http://arxiv.org/abs/2108.01062v1
Date: Fri, 23 Apr 2021 04:29:13 GMT
ステータス: 処理完了
システム内更新日: 2023-04-02 14:51:19.562934
Title: Analysis of Online Toxicity Detection Using Machine Learning Approaches
Title（参考訳）: 機械学習を用いたオンライン毒性検出の解析
Authors: Anjum, Rahul Katarya
Abstract要約: ソーシャルメディアやインターネットは、人々が情報の拡散や消費に欠かせない役割を担っている。人口の半数近くがソーシャルメディアを使って意見や意見を表明している。オンラインヘイトスピーチは、今やソーシャルメディアの欠点の1つであり、コントロールする必要がある。
参考スコア（独自算出の注目度）: 6.548580592686076
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Social media and the internet have become an integral part of how people spread and consume information. Over a period of time, social media evolved dramatically, and almost half of the population is using social media to express their views and opinions. Online hate speech is one of the drawbacks of social media nowadays, which needs to be controlled. In this paper, we will understand how hate speech originated and what are the consequences of it; Trends of machine-learning algorithms to solve an online hate speech problem. This study contributes by providing a systematic approach to help researchers to identify a new research direction and elucidating the shortcomings of the studies and model, as well as providing future directions to advance the field.
Abstract（参考訳）: ソーシャルメディアやインターネットは、人々が情報の拡散や消費に欠かせない要素になっている。長い間、ソーシャルメディアは劇的に進化し、人口のほぼ半数がソーシャルメディアを使って自分の意見や意見を表現している。オンラインヘイトスピーチは、ソーシャルメディアの欠点の1つであり、制御する必要がある。本稿では,オンラインヘイトスピーチ問題を解決するための機械学習アルゴリズムの動向について述べる。この研究は、研究者が新しい研究の方向性を同定し、研究とモデルの欠点を解明するための体系的なアプローチを提供し、この分野を進めるための今後の方向性を提供することによって貢献する。

関連論文リスト

hateUS -- Analysis, impact of Social media use and Hate speech over University Student platforms: Case study, Problems, and Solutions [0.0]
このケーススタディは、ソーシャルメディアの使用と、大学生に対する公的な議論に関連するヘイトスピーチに関連している。 NO電話時間とNO電話ゾーンの使用は現在、職場や家族文化で人気がある。ソーシャルメディア利用とヘイトスピーチの健康問題を含む今後の課題は、大学生の生活、自由、および多様なコミュニティに深刻な影響を与える。
論文参考訳（メタデータ） (2024-10-26T04:25:49Z)
A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
姿勢検出は感情コンピューティングにおける重要なサブフィールドとして現れました近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
論文参考訳（メタデータ） (2024-09-24T03:06:25Z)
Community Shaping in the Digital Age: A Temporal Fusion Framework for Analyzing Discourse Fragmentation in Online Social Networks [45.58331196717468]
本研究では,ソーシャルメディアプラットフォームにおけるオンラインコミュニティの動態を解析するための枠組みを提案する。テキスト分類と動的ソーシャルネットワーク分析を組み合わせることで,コミュニティの形成と進化を促進するメカニズムを明らかにする。
論文参考訳（メタデータ） (2024-09-18T03:03:02Z)
Topological Data Mapping of Online Hate Speech, Misinformation, and General Mental Health: A Large Language Model Based Study [6.803493330690884]
機械学習と大規模言語モデルの最近の進歩は、そのような分析を可能にした。本研究では,ソーシャルメディアサイトReddit上で,慎重に選択されたコミュニティから何千もの投稿を収集した。各種コミュニティにおけるヘイトスピーチ/誤情報の役割を理解するため,埋め込みに基づく各種機械学習分類を行った。
論文参考訳（メタデータ） (2023-09-22T15:10:36Z)
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)
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)
Addressing Hate Speech with Data Science: An Overview from Computer Science Perspective [2.2940141855172027]
コンピュータサイエンスの観点では、オンラインヘイトスピーチに対処することは、業界(主にソーシャルメディアプラットフォーム所有者)と学界の両方の注目を集める難しい課題である。我々は、最先端のデータサイエンスアプローチの概要 - 彼らがヘイトスピーチをどのように定義するか、その現象を緩和するために解決するタスク、そしてこれらのタスクにどのように対処するか - について説明する。我々は、現在のデータサイエンス研究における課題とオープンな問題と、この分野における今後の方向性を要約する。
論文参考訳（メタデータ） (2021-03-18T19:19:44Z)
DeepHate: Hate Speech Detection via Multi-Faceted Text Representations [8.192671048046687]
DeepHateは、単語埋め込み、感情、トピック情報などの多面的なテキスト表現を組み合わせた、新しいディープラーニングモデルです。大規模な実験を行い、3つの大規模公開現実世界のデータセットでDeepHateを評価します。
論文参考訳（メタデータ） (2021-03-14T16:11:30Z)
Analysing Social Media Network Data with R: Semi-Automated Screening of Users, Comments and Communication Patterns [0.0]
ソーシャルメディアプラットフォーム上でのコミュニケーションは、社会に広まりつつある。フェイクニュース、ヘイトスピーチ、急進的要素は、この現代的なコミュニケーションの一部です。これらのメカニズムとコミュニケーションパターンの基本的な理解は、負のコミュニケーション形態に対抗するのに役立つ。
論文参考訳（メタデータ） (2020-11-26T14:52:01Z)
Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文参考訳（メタデータ） (2020-04-20T20:00:27Z)
Mining Disinformation and Fake News: Concepts, Methods, and Recent Advancements [55.33496599723126]
偽ニュースを含む偽ニュースは爆発的な成長によりグローバルな現象になっています偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
論文参考訳（メタデータ） (2020-01-02T21:01:02Z)

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。