論文の概要: Session-based Cyberbullying Detection in Social Media: A Survey

• arxiv url: http://arxiv.org/abs/2207.10639v1
• Date: Thu, 14 Jul 2022 18:56:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-24 11:38:26.620501
• Title: Session-based Cyberbullying Detection in Social Media: A Survey
• Title（参考訳）: ソーシャルメディアにおけるセッションベースのサイバーいじめ検出:調査
• Authors: Peiling Yi and Arkaitz Zubiaga
• Abstract要約: 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。
• 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: Cyberbullying is a pervasive problem in online social media, where a bully abuses a victim through a social media session. By investigating cyberbullying perpetrated through social media sessions, recent research has looked into mining patterns and features for modeling and understanding the two defining characteristics of cyberbullying: repetitive behavior and power imbalance. In this survey paper, we define the Session-based Cyberbullying Detection framework that encapsulates the different steps and challenges of the problem. Based on this framework, we provide a comprehensive overview of session-based cyberbullying detection in social media, delving into existing efforts from a data and methodological perspective. Our review leads us to propose evidence-based criteria for a set of best practices to create session-based cyberbullying datasets. In addition, we perform benchmark experiments comparing the performance of state-of-the-art session-based cyberbullying detection models as well as large pre-trained language models across two different datasets. Through our review, we also put forth a set of open challenges as future research directions.
• Abstract（参考訳）: オンラインソーシャルメディアでは、いじめがソーシャルメディアのセッションを通じて被害者を虐待している。 ソーシャルメディアセッションを通じて繰り返されるサイバーいじめの調査を通じて、最近の研究は、サイバーいじめの2つの特徴である反復行動とパワー不均衡をモデル化し理解するためのマイニングパターンと特徴を調査している。 本稿では,この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いじめ検出フレームワークについて述べる。 この枠組みに基づき,ソーシャルメディアにおけるセッションベースのサイバーいじめ検出の包括的概要を提供し,データと方法論の観点から既存の取り組みを考察する。 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。 さらに,最新のセッションベースサイバーバブル検出モデルと,2つの異なるデータセットにわたる大規模事前学習言語モデルの性能を比較したベンチマーク実験を行った。 レビューを通じて、将来の研究の方向性として、いくつかのオープンチャレンジも発表しました。

関連論文リスト

• Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
  近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。 この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。 本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
  論文  参考訳（メタデータ） (2024-11-15T08:09:28Z)
• A Multi-faceted Semi-Synthetic Dataset for Automated Cyberbullying Detection [0.0]
  本稿では,広範な半合成サイバーバブルデータセットについて述べる。 攻撃性、反復性、対人関係、害の意図など、サイバーいじめの本質的な側面をすべて取り入れている。 この付随するデータ記事では、データセットを詳細に見て、透明性を高め、レプリケーションを可能にする。
  論文  参考訳（メタデータ） (2024-02-09T16:53:19Z)
• 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)
• 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)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T01:20:29Z)
• 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)
• 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)
• HENIN: Learning Heterogeneous Neural Interaction Networks for Explainable Cyberbullying Detection on Social Media [11.443698975923176]
  本稿では,サイバーバブル検出のための新しいディープモデルであるヘテロジニアス・ニューラル・インタラクション・ネットワーク(HENIN)を提案する。 HENINには、コメントエンコーダ、コミット後のコアテンションサブネットワーク、セッションセッションとポストのインタラクション抽出器が含まれる。
  論文  参考訳（メタデータ） (2020-10-09T13:44:34Z)
• Sampling Attacks: Amplification of Membership Inference Attacks by Repeated Queries [74.59376038272661]
  本手法は,他の標準メンバーシップ相手と異なり,被害者モデルのスコアにアクセスできないような厳格な制限の下で動作可能な,新しいメンバーシップ推論手法であるサンプリングアタックを導入する。 ラベルのみを公開している被害者モデルでは,攻撃のサンプリングが引き続き可能であり,攻撃者はその性能の最大100%を回復できることを示す。 防衛においては,被害者モデルのトレーニング中の勾配摂動と予測時の出力摂動の形式で差分プライバシーを選択する。
  論文  参考訳（メタデータ） (2020-09-01T12:54:54Z)
• 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)
• I Know Where You Are Coming From: On the Impact of Social Media Sources on AI Model Performance [79.05613148641018]
  我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。 最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2020-02-05T11:10:44Z)

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。