論文の概要: Res-CNN-BiLSTM Network for overcoming Mental Health Disturbances caused
due to Cyberbullying through Social Media
- arxiv url: http://arxiv.org/abs/2204.09738v1
- Date: Wed, 20 Apr 2022 18:40:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-23 05:12:35.931592
- Title: Res-CNN-BiLSTM Network for overcoming Mental Health Disturbances caused
due to Cyberbullying through Social Media
- Title(参考訳): Res-CNN-BiLSTMネットワークによるソーシャルメディアを介したサイバー嵐によるメンタルヘルス障害の克服
- Authors: Raunak Joshi, Abhishek Gupta, Nandan Kanvinde
- Abstract要約: サイバーいじめは宗教、倫理、年齢、ジェンダーに基づいて行われる。
ソーシャルメディアはメディアであり、テキスト形式で大量のデータを生成する。
- 参考スコア(独自算出の注目度): 3.1871776847712523
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mental Health Disturbance has many reasons and cyberbullying is one of the
major causes that does exploitation using social media as an instrument. The
cyberbullying is done on the basis of Religion, Ethnicity, Age and Gender which
is a sensitive psychological issue. This can be addressed using Natural
Language Processing with Deep Learning, since social media is the medium and it
generates massive form of data in textual form. Such data can be leveraged to
find the semantics and derive what type of cyberbullying is done and who are
the people involved for early measures. Since deriving semantics is essential
we proposed a Hybrid Deep Learning Model named 1-Dimensional
CNN-Bidirectional-LSTMs with Residuals shortly known as Res-CNN-BiLSTM. In this
paper we have proposed the architecture and compared its performance with
different approaches of Embedding Deep Learning Algorithms.
- Abstract(参考訳): メンタルヘルス障害には多くの理由があり、サイバーいじめはソーシャルメディアを道具として活用する主要な原因の1つである。
サイバーいじめは宗教、倫理、年齢、ジェンダーに基づいて行われる。
これは、ソーシャルメディアがメディアであり、テキスト形式で大量のデータを生成するため、自然言語処理とディープラーニングを使って対処することができる。
このようなデータは、セマンティクスを見つけ、どのタイプのサイバーいじめが行われ、誰が初期の措置に関与しているのかを導き出すために利用することができる。
セマンティクスの導出が不可欠であるため,Res-CNN-BiLSTMとしてすぐに知られるRes-CNN-BiLSTMを用いた1次元CNN-Bidirectional-LSTMというハイブリッドディープラーニングモデルを提案する。
本稿では,このアーキテクチャを提案し,その性能を埋め込み深層学習アルゴリズムの異なるアプローチと比較した。
関連論文リスト
- The Use of a Large Language Model for Cyberbullying Detection [0.0]
サイバーいじめ(CB)は、今日のサイバー世界で最も多い現象である。
これは市民の精神的および身体的健康に対する深刻な脅威である。
これにより、オンラインフォーラム、ブログ、ソーシャルメディアプラットフォームからいじめコンテンツを防ぐ堅牢なシステムを開発する必要が生じる。
論文 参考訳(メタデータ) (2024-02-06T15:46:31Z) - 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) - Graph Mining for Cybersecurity: A Survey [61.505995908021525]
マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。
従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。
グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
論文 参考訳(メタデータ) (2023-04-02T08:43:03Z) - 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) - 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) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳(メタデータ) (2022-07-03T11:33:52Z) - DISARM: Detecting the Victims Targeted by Harmful Memes [49.12165815990115]
DISARMは、有害なミームを検出するために名前付きエンティティ認識と個人識別を使用するフレームワークである。
DISARMは10の単一モーダル・マルチモーダルシステムより著しく優れていることを示す。
複数の強力なマルチモーダルライバルに対して、有害なターゲット識別の相対誤差率を最大9ポイントまで下げることができる。
論文 参考訳(メタデータ) (2022-05-11T19:14:26Z) - Deep convolutional forest: a dynamic deep ensemble approach for spam
detection in text [219.15486286590016]
本稿では,スパム検出のための動的深層アンサンブルモデルを提案する。
その結果、このモデルは高い精度、リコール、f1スコア、98.38%の精度を達成した。
論文 参考訳(メタデータ) (2021-10-10T17:19:37Z) - 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) - 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。