論文の概要: In the Service of Online Order: Tackling Cyber-Bullying with Machine Learning and Affect Analysis

• arxiv url: http://arxiv.org/abs/2203.02116v1
• Date: Fri, 4 Mar 2022 03:13:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-07 13:54:08.117498
• Title: In the Service of Online Order: Tackling Cyber-Bullying with Machine Learning and Affect Analysis
• Title（参考訳）: オンライン・オーダーのサービス:機械学習と影響分析によるサイバー・ブリッシングの取り組み
• Authors: Michal Ptaszynski, Pawel Dybala, Tatsuaki Matsuba, Fumito Masui, Rafal Rzepka, Kenji Araki, Yoshio Momouchi
• Abstract要約: PTA(Parent-Teacher Association)のメンバーは、Webフォーラムやブログ内で悪意のあるコンテンツを見つけるためにオンラインパトロールを開始した。 実践において、オンライン・パトロールは、手作業で行うのが困難な作業であるWebコンテンツ全体を読み取ることを前提としている。 我々は、悪意のあるエントリを自動的に検出し、それらをPTAメンバーに報告できるツールセットを開発することを目指している。
• 参考スコア（独自算出の注目度）: 13.092135222168324
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: One of the burning problems lately in Japan has been cyber-bullying, or slandering and bullying people online. The problem has been especially noticed on unofficial Web sites of Japanese schools. Volunteers consisting of school personnel and PTA (Parent-Teacher Association) members have started Online Patrol to spot malicious contents within Web forums and blogs. In practise, Online Patrol assumes reading through the whole Web contents, which is a task difficult to perform manually. With this paper we introduce a research intended to help PTA members perform Online Patrol more efficiently. We aim to develop a set of tools that can automatically detect malicious entries and report them to PTA members. First, we collected cyber-bullying data from unofficial school Web sites. Then we performed analysis of this data in two ways. Firstly, we analysed the entries with a multifaceted affect analysis system in order to find distinctive features for cyber-bullying and apply them to a machine learning classifier. Secondly, we applied a SVM based machine learning method to train a classifier for detection of cyber-bullying. The system was able to classify cyber-bullying entries with 88.2% of balanced F-score.
• Abstract（参考訳）: 最近日本で燃えている問題の一つは、ネット上でのサイバーいじめやスランディング、いじめだ。 この問題は日本の学校の公式ウェブサイトで特に注目されている。 学校職員とPTA(Parent-Teacher Association)のメンバーからなるボランティアは、Webフォーラムやブログ内で悪意のあるコンテンツを見つけるためにオンラインパトロールを開始した。 実践的に、オンラインパトロールは、手動で実行するのが難しいwebコンテンツ全体を読むことを想定している。 本稿では,PTAメンバーがオンラインパトロールをより効率的に行うための研究を紹介する。 悪意のあるエントリを自動的に検出し,それをPTAメンバに報告するツールセットの開発を目指している。 まず、非公式の学校ウェブサイトからサイバーいじめデータを収集した。 そして,このデータを2つの方法で分析した。 まず,サイバーいじめの特徴的な特徴を見つけ,機械学習分類器に適用するために,多面的感情分析システムを用いてエントリを分析した。 次に,SVMに基づく機械学習手法を適用し,サイバーいじめ検出のための分類器の訓練を行った。 このシステムは、バランスの取れたFスコアの88.2%のサイバーいじめエントリを分類することができた。

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)
• Securing Social Spaces: Harnessing Deep Learning to Eradicate Cyberbullying [1.8749305679160366]
  サイバーいじめは ソーシャルメディアを使う人の心身の健康を害する深刻な問題だ 本稿は、サイバーいじめがいかに深刻か、そしてそれが被曝した個人にどのように影響するかを説明する。 オンライン空間の安全性を高めるために、より優れたサイバーいじめ検出方法を見つけることがいかに重要かを強調している。
  論文  参考訳（メタデータ） (2024-04-01T20:41:28Z)
• Pseudo-Labeling and Contextual Curriculum Learning for Online Grasp Learning in Robotic Bin Picking [47.4409816260196]
  SSL-ConvSACは、半教師付き学習と強化学習を組み合わせて、オンライングリップラーニングを行う。 実機7-DoFのフランカ・エミカロボットアームに吸引グリップを装着することで,ビンピッキングタスクにおけるオンライングリップ学習を改善することを実証する。
  論文  参考訳（メタデータ） (2024-03-04T21:41:27Z)
• SELFI: Autonomous Self-Improvement with Reinforcement Learning for Social Navigation [54.97931304488993]
  体験と対話し、改善する自己改善ロボットは、ロボットシステムの現実的な展開の鍵となる。 本研究では,オンラインロボット体験を活用したオンライン学習手法であるSELFIを提案する。 本研究では, 衝突回避の観点からの改善と, より社会的に順応する行動について報告する。
  論文  参考訳（メタデータ） (2024-03-01T21:27:03Z)
• 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)
• A Secure Open-Source Intelligence Framework For Cyberbullying Investigation [0.0]
  本稿では,Twitterのデータを用いたオープンソースのインテリジェンスパイプラインを提案する。 リアルタイム監視を備えたOSINTダッシュボードは、法執行機関が迅速に行動し、被害者を保護し、より安全なオンライン環境を構築するための大きな努力をすることができる。
  論文  参考訳（メタデータ） (2023-07-27T23:03:57Z)
• Recursive Least-Squares Estimator-Aided Online Learning for Visual Tracking [58.14267480293575]
  オフライン学習を必要とせず、簡単な効果的なオンライン学習手法を提案する。 これは、モデルが以前見たオブジェクトに関する知識を記憶するための、内蔵されたメモリ保持メカニズムを可能にする。 我々は、RT-MDNetにおける多層パーセプトロンと、DiMPにおける畳み込みニューラルネットワークの追跡のためのオンライン学習ファミリーにおける2つのネットワークに基づくアプローチを評価する。
  論文  参考訳（メタデータ） (2021-12-28T06:51:18Z)
• Automating Privilege Escalation with Deep Reinforcement Learning [71.87228372303453]
  本研究では,エージェントの訓練に深層強化学習を用いることで,悪意あるアクターの潜在的な脅威を実証する。 本稿では,最先端の強化学習アルゴリズムを用いて,局所的な特権エスカレーションを行うエージェントを提案する。 我々のエージェントは、実際の攻撃センサーデータを生成し、侵入検知システムの訓練と評価に利用できる。
  論文  参考訳（メタデータ） (2021-10-04T12:20:46Z)
• Offline-to-Online Reinforcement Learning via Balanced Replay and Pessimistic Q-Ensemble [135.6115462399788]
  深いオフライン強化学習により、オフラインデータセットから強力なロボットエージェントをトレーニングすることが可能になった。 状態-作用分布シフトは、微調整中に厳しいブートストラップエラーを引き起こす可能性がある。 本稿では,オンライン上で遭遇したサンプルを優先しながら,ほぼ政治的なサンプルの使用を奨励するバランスの取れたリプレイ方式を提案する。
  論文  参考訳（メタデータ） (2021-07-01T16:26:54Z)
• Analysing Cyberbullying using Natural Language Processing by Understanding Jargon in Social Media [4.932130498861987]
  本稿では,さまざまなソーシャルメディアプラットフォームからのデータセットの組み合わせを用いて,バイナリ分類について検討する。 我々は,Bi-LSTM,GloVe,BERTなどの最先端モデルなど複数のモデルを用いて実験を行い,スラング悪用コーパスを導入して独自の前処理手法を適用した。
  論文  参考訳（メタデータ） (2021-04-23T04:20:19Z)
• Enhancing the Identification of Cyberbullying through Participant Roles [1.399948157377307]
  本稿では,ロールモデリングによるサイバーバブル検出の高度化に向けた新しいアプローチを提案する。 我々は、ASKfmからのデータセットを利用してマルチクラス分類を行い、参加者の役割を検出する。
  論文  参考訳（メタデータ） (2020-10-13T19:13:07Z)

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。