論文の概要: Cyberbullying detection across social media platforms via platform-aware adversarial encoding

• arxiv url: http://arxiv.org/abs/2204.00334v1
• Date: Fri, 1 Apr 2022 10:25:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-04 13:45:38.242554
• Title: Cyberbullying detection across social media platforms via platform-aware adversarial encoding
• Title（参考訳）: platform-aware adversarial encoding によるソーシャルメディアプラットフォーム間のサイバーいじめ検出
• Authors: Peiling Yi, Arkaitz Zubiaga
• Abstract要約: 変換器と逆学習に基づく新しいクロスプラットフォームフレームワークであるXP-CBを提案する。 提案するフレームワークを検証するために,3つのプラットフォームから6つのクロスプラットフォーム構成に至るまでのデータセットをサイバブリングする実験を行った。
• 参考スコア（独自算出の注目度）: 16.39344929765961
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the increasing interest in cyberbullying detection, existing efforts have largely been limited to experiments on a single platform and their generalisability across different social media platforms have received less attention. We propose XP-CB, a novel cross-platform framework based on Transformers and adversarial learning. XP-CB can enhance a Transformer leveraging unlabelled data from the source and target platforms to come up with a common representation while preventing platform-specific training. To validate our proposed framework, we experiment on cyberbullying datasets from three different platforms through six cross-platform configurations, showing its effectiveness with both BERT and RoBERTa as the underlying Transformer models.
• Abstract（参考訳）: サイバーいじめ検出への関心は高まっているが、既存の取り組みは単一のプラットフォームでの実験に限られており、ソーシャルメディアプラットフォーム間での汎用性は、あまり注目されていない。 変換器と逆学習に基づく新しいクロスプラットフォームフレームワークXP-CBを提案する。 XP-CBは、ソースとターゲットプラットフォームからの不正なデータを活用して、プラットフォーム固有のトレーニングを防止しながら、共通の表現を思いつくトランスフォーマーを強化することができる。 提案するフレームワークを検証するために,3つのプラットフォームから6つのクロスプラットフォーム構成を通じてデータセットをサイバブリングする実験を行い,基盤となるTransformerモデルとしてBERTとRoBERTaの有効性を示した。

関連論文リスト

• Unleashing the Power of Unlabeled Data: A Self-supervised Learning Framework for Cyber Attack Detection in Smart Grids [6.5023425872686085]
  各種のサイバー攻撃を検知・識別する自己教師型学習ベースフレームワークを提案する。 提案するフレームワークは,大量のラベル付きラベル付きデータに頼らず,膨大なラベルなしデータを利用する。 実験の結果,37台のバスを用いた5エリアの電力グリッドシステムにおいて,既存手法よりも優れた性能を示すことができた。
  論文  参考訳（メタデータ） (2024-05-22T20:04:52Z)
• A Machine Learning Ensemble Model for the Detection of Cyberbullying [0.32634122554913997]
  本稿では,攻撃的ツイートのバイナリラベルを検出する自動システムの開発に寄与する。 そこで我々は,4つの特徴抽出手法を用いて,積み重ねアンサンブル機械学習手法を適用し,性能を最適化した。
  論文  参考訳（メタデータ） (2024-02-19T20:55:12Z)
• Cross-modal Orthogonal High-rank Augmentation for RGB-Event Transformer-trackers [58.802352477207094]
  本研究では,2つのモード間の分布ギャップを埋めるために,事前学習された視覚変換器(ViT)の潜在可能性を探る。 本研究では,いくつかのトークンの特定のモダリティをランダムにマスキングし,異なるモダリティのトークン間の相互作用を積極的に行うマスクモデリング戦略を提案する。 実験により,我々のプラグアンドプレイトレーニング強化技術は,追跡精度と成功率の両方の観点から,最先端のワンストリームと2つのトラッカーストリームを大幅に向上させることができることが示された。
  論文  参考訳（メタデータ） (2023-07-09T08:58:47Z)
• Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
  入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。 また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。 我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
  論文  参考訳（メタデータ） (2023-03-14T16:11:47Z)
• Countering Malicious Content Moderation Evasion in Online Social Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
  ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。 本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
  論文  参考訳（メタデータ） (2022-12-27T16:08:49Z)
• BERTuit: Understanding Spanish language in Twitter through a native transformer [70.77033762320572]
  bfBERTuitは、これまでスペイン語のために提案された大きなトランスフォーマーで、2億3000万のスペイン語ツイートの膨大なデータセットで事前トレーニングされている。 私たちのモチベーションは、スペイン語のTwitterをよりよく理解し、このソーシャルネットワークにフォーカスしたアプリケーションに利用するための強力なリソースを提供することです。
  論文  参考訳（メタデータ） (2022-04-07T14:28:51Z)
• Game of Privacy: Towards Better Federated Platform Collaboration under Privacy Restriction [95.12382372267724]
  Vertical Federated Learning (VFL)は、異なるプラットフォームに格納された異なる機能空間を持つクロスサイロデータからモデルをトレーニングすることを目的としている。 フェデレーション学習の固有のプライバシーリスクのため、関連するデータの総量は制限される可能性がある。 我々は、VFLフレームワークのマルチプラットフォーム情報を活用して、各プラットフォームが自身のタスクに役立てることができるような、相互協力を通じて、異なるプラットフォームをインセンティブにすることを提案する。
  論文  参考訳（メタデータ） (2022-02-10T16:45:40Z)
• Weakly Supervised Cross-platform Teenager Detection with Adversarial BERT [6.531659195805749]
  ティーンエイジャー検出タスクはラベル付きデータの不足に悩まされる。 本稿では,Adversarial BERTに基づくクロスプラットフォームフレームワークを提案する。 当社のフレームワークは,ソースプラットフォームからのラベル付きインスタンスを限定的に使用し,ターゲットプラットフォームからのラベル付きデータを使用せずに運用することができる。
  論文  参考訳（メタデータ） (2021-08-24T10:10:40Z)
• 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)
• Bayesian Meta-Learning for Few-Shot Policy Adaptation Across Robotic Platforms [60.59764170868101]
  強化学習手法は、重要な性能を達成できるが、同じロボットプラットフォームで収集される大量のトレーニングデータを必要とする。 私たちはそれを、さまざまなロボットプラットフォームで共有される共通の構造を捉えるモデルを見つけることを目標とする、数ショットのメタラーニング問題として定式化します。 我々は,400個のロボットを用いて,実ロボットピッキング作業とシミュレーションリーチの枠組みを実験的に評価した。
  論文  参考訳（メタデータ） (2021-03-05T14:16:20Z)
• Leveraging cross-platform data to improve automated hate speech detection [0.0]
  ヘイトスピーチ検出のための既存のアプローチは、単一のソーシャルメディアプラットフォームを独立して重視している。 本稿では,異なるプラットフォームからの複数のデータセットと分類モデルを活用するヘイトスピーチを検出するための,クロスプラットフォームアプローチを提案する。 このアプローチが既存のモデルより優れていることを実証し、新しいソーシャルメディアプラットフォームからのメッセージでテストすると、優れたパフォーマンスが得られることを示す。
  論文  参考訳（メタデータ） (2021-02-09T15:52:34Z)

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。