論文の概要: AI Powered Anti-Cyber Bullying System using Machine Learning Algorithm
of Multinomial Naive Bayes and Optimized Linear Support Vector Machine
- arxiv url: http://arxiv.org/abs/2207.11897v1
- Date: Mon, 25 Jul 2022 04:02:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 14:11:31.435904
- Title: AI Powered Anti-Cyber Bullying System using Machine Learning Algorithm
of Multinomial Naive Bayes and Optimized Linear Support Vector Machine
- Title（参考訳）: マルチノードニーブベイと最適線形支持ベクトルマシンの機械学習アルゴリズムを用いたAIによる反サイバーいじめシステム
- Authors: Tosin Ige, Sikiru Adewale
- Abstract要約: サイバーいじめに関する一連の研究があり、サイバーいじめに対する信頼できる解決策を提供できない。
そこで我々は,92%の精度でメッセージの送受信を検知・傍受できるモデルを開発した。
我々のモデルは、いじめやいじめのメッセージを検出し、傍受し、即座に行動を起こすことができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: "Unless and until our society recognizes cyber bullying for what it is, the
suffering of thousands of silent victims will continue." ~ Anna Maria Chavez.
There had been series of research on cyber bullying which are unable to provide
reliable solution to cyber bullying. In this research work, we were able to
provide a permanent solution to this by developing a model capable of detecting
and intercepting bullying incoming and outgoing messages with 92% accuracy. We
also developed a chatbot automation messaging system to test our model leading
to the development of Artificial Intelligence powered anti-cyber bullying
system using machine learning algorithm of Multinomial Naive Bayes (MNB) and
optimized linear Support Vector Machine (SVM). Our model is able to detect and
intercept bullying outgoing and incoming bullying messages and take immediate
action.
- Abstract（参考訳）: 「我々の社会がサイバーいじめを認めない限り、何千もの無言の犠牲者の苦しみは続くだろう」とアンナ・マリア・チャベスは語る。
サイバーいじめに対する信頼できる解決策を提供することができないサイバーいじめに関する一連の研究があった。
本研究では,92%の精度でいじめメッセージの検出と傍受が可能なモデルを開発することで,この問題に対する恒久的な解決策を提供することができた。
また,マルチノミナルナイーブベイズ(mnb)の機械学習アルゴリズムと最適化リニアサポートベクターマシン(svm)を用いた,人工知能を用いたアンチサイバブルシステムの開発に繋がるモデルをテストするためのチャットボット自動化メッセージングシステムを開発した。
我々のモデルは、いじめやいじめのメッセージを検出し、傍受し、即座に行動を起こすことができる。
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) - Countering Autonomous Cyber Threats [40.00865970939829]
ファンデーションモデルは、サイバードメイン内で広く、特に二元的関心事を提示します。
近年の研究では、これらの先進的なモデルが攻撃的なサイバースペース操作を通知または独立に実行する可能性を示している。
この研究は、孤立したネットワークでマシンを妥協する能力について、最先端のいくつかのFMを評価し、そのようなAIによる攻撃を倒す防御メカニズムを調査する。
論文 参考訳（メタデータ） (2024-10-23T22:46:44Z) - Unlearn and Burn: Adversarial Machine Unlearning Requests Destroy Model Accuracy [65.80757820884476]
未学習システムのデプロイにおいて、重要で未調査の脆弱性を公開しています。
本稿では,訓練セットに存在しないデータに対して,逆学習要求を送信することにより,攻撃者がモデル精度を劣化させることができる脅威モデルを提案する。
我々は、未学習要求の正当性を検出するための様々な検証メカニズムを評価し、検証の課題を明らかにする。
論文 参考訳（メタデータ） (2024-10-12T16:47:04Z) - ABNet: Attention BarrierNet for Safe and Scalable Robot Learning [58.4951884593569]
バリアベースの手法は、安全なロボット学習における主要なアプローチの1つである。
本稿では,より大規模な基本安全モデルを段階的に構築するスケーラブルなAttention BarrierNet(ABNet)を提案する。
2次元ロボット障害物回避、安全なロボット操作、視覚に基づくエンドツーエンド自動運転におけるABNetの強みを実証する。
論文 参考訳（メタデータ） (2024-06-18T19:37:44Z) - 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) - Distributional Instance Segmentation: Modeling Uncertainty and High
Confidence Predictions with Latent-MaskRCNN [77.0623472106488]
本稿では,潜在符号を用いた分散インスタンス分割モデルのクラスについて検討する。
ロボットピッキングへの応用として,高い精度を実現するための信頼性マスク手法を提案する。
本手法は,新たにリリースした曖昧なシーンのデータセットを含め,ロボットシステムにおける致命的なエラーを著しく低減できることを示す。
論文 参考訳（メタデータ） (2023-05-03T05:57:29Z) - Cyberbullying Indicator as a Precursor to a Cyber Construct Development [0.0]
本研究では,観測可能な行動指標の同定に基づくサイバーいじめの枠組みを提案する。
研究は、30人の記者による自己管理計測装置を用いて、サイバーバブル構築の確率を観察した。
論文 参考訳（メタデータ） (2022-03-31T07:55:51Z) - In the Service of Online Order: Tackling Cyber-Bullying with Machine
Learning and Affect Analysis [13.092135222168324]
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。
論文 参考訳（メタデータ） (2022-03-04T03:13:45Z) - 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) - 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。