論文の概要: Deep Learning Based Cyberbullying Detection in Bangla Language
- arxiv url: http://arxiv.org/abs/2401.06787v1
- Date: Sun, 7 Jan 2024 04:58:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 12:27:20.402063
- Title: Deep Learning Based Cyberbullying Detection in Bangla Language
- Title（参考訳）: バングラ語における深層学習に基づくサイバブリング検出
- Authors: Sristy Shidul Nath, Razuan Karim and Mahdi H. Miraz
- Abstract要約: 本研究は,ベンガルのサイバーいじめを識別する深層学習戦略を実証する。
2層双方向長短期メモリ(Bi-LSTM)モデルが構築され、サイバーいじめを識別する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Internet is currently the largest platform for global communication
including expressions of opinions, reviews, contents, images, videos and so
forth. Moreover, social media has now become a very broad and highly engaging
platform due to its immense popularity and swift adoption trend. Increased
social networking, however, also has detrimental impacts on the society leading
to a range of unwanted phenomena, such as online assault, intimidation, digital
bullying, criminality and trolling. Hence, cyberbullying has become a pervasive
and worrying problem that poses considerable psychological and emotional harm
to the people, particularly amongst the teens and the young adults. In order to
lessen its negative effects and provide victims with prompt support, a great
deal of research to identify cyberbullying instances at various online
platforms is emerging. In comparison to other languages, Bangla (also known as
Bengali) has fewer research studies in this domain. This study demonstrates a
deep learning strategy for identifying cyberbullying in Bengali, using a
dataset of 12282 versatile comments from multiple social media sites. In this
study, a two-layer bidirectional long short-term memory (Bi-LSTM) model has
been built to identify cyberbullying, using a variety of optimisers as well as
5-fold cross validation. To evaluate the functionality and efficacy of the
proposed system, rigorous assessment and validation procedures have been
employed throughout the project. The results of this study reveals that the
proposed model's accuracy, using momentum-based stochastic gradient descent
(SGD) optimiser, is 94.46%. It also reflects a higher accuracy of 95.08% and a
F1 score of 95.23% using Adam optimiser as well as a better accuracy of 94.31%
in 5-fold cross validation.
- Abstract（参考訳）: インターネットは現在、意見、レビュー、コンテンツ、画像、ビデオなどの表現を含む世界的コミュニケーションのための最大のプラットフォームである。
さらにソーシャルメディアは、膨大な人気と急速に普及するトレンドのために、非常に広範かつ魅力的なプラットフォームになっている。
しかし、ソーシャルネットワーキングの増加は、オンライン暴行、脅迫、デジタルいじめ、犯罪、トロールなど、様々な望ましくない現象を引き起こす社会に有害な影響を及ぼす。
そのため、サイバーいじめは広汎で不安な問題となり、特に十代の若者や若者の間では、かなりの心理的、感情的な被害をもたらしている。
悪影響を減らし、被害者に迅速な支援を提供するため、さまざまなオンラインプラットフォームにおけるサイバーいじめインスタンスを特定するための多くの研究が進められている。
他の言語と比較して、バングラ語(ベンガル語としても知られる)はこの分野の研究が少ない。
本研究では,複数のソーシャルメディアサイトからの多用途コメント12282のデータセットを用いて,ベンガルにおけるサイバーいじめを識別する深層学習戦略を示す。
本研究では,2層型双方向長短期メモリ(Bi-LSTM)モデルを構築し,様々なオプティマイザと5倍のクロスバリデーションを用いたサイバーいじめの同定を行った。
提案システムの機能と有効性を評価するため,プロジェクト全体で厳密な評価と検証手法が採用されている。
本研究の結果,運動量に基づく確率勾配降下(sgd)オプティマイザーを用いたモデルの精度は94.46%であった。
また、Adam optimiserを用いた95.08%の精度とF1スコア95.23%の精度、および5倍のクロスバリデーションで94.31%の精度を反映している。
関連論文リスト
- Detecting LGBTQ+ Instances of Cyberbullying [3.5723815685584013]
サイバーいじめは、世界中の青少年にとって重大な脅威となる。
LGBTQ+のコミュニティは特に危険にさらされており、研究者はLGBTQ+の特定とオンラインハラスメントの増大との間に強い相関関係があることを発見した。
LGBTQ+のメンバーに起きたサイバーいじめ事件を正確に識別できる機械学習モデルを開発することは重要である。
論文 参考訳（メタデータ） (2024-09-18T18:49:55Z) - Deep Learning Approaches for Detecting Adversarial Cyberbullying and Hate Speech in Social Networks [0.0]
本稿では、ソーシャルネットワークサイトテキストデータ中の敵対的攻撃コンテンツにおけるサイバーいじめの検出、特にヘイトスピーチを強調することに焦点を当てる。
100の固定エポックを持つLSTMモデルは、高い精度、精度、リコール、F1スコア、AUC-ROCスコアが87.57%、88.73%、88.15%、91%の顕著な性能を示した。
論文 参考訳（メタデータ） (2024-05-30T21:44:15Z) - 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) - 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) - Locally Differentially Private Document Generation Using Zero Shot
Prompting [61.20953109732442]
本稿では,DP-Prompt と呼ばれる局所的に異なるプライベートなメカニズムを提案し,作者の匿名化攻撃に対処する。
DP-PromptをChatGPT(gpt-3.5)のような強力な言語モデルで使用すると、匿名化攻撃の成功率の顕著な低下が観察される。
論文 参考訳（メタデータ） (2023-10-24T18:25:13Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - 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) - 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) - 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) - Cyberbullying Detection Using Deep Neural Network from Social Media
Comments in Bangla Language [0.0]
我々は,ベンガル語におけるいじめ表現検出のためのハイブリッドニューラルネットワークを用いた二分分類モデルと多クラス分類モデルを提案する。
我々は、人気のある公開Facebookページからの44,001人のユーザーコメントを使用しており、これは、Non-bully、Sexual、Threat、Troll、Religiousの5つのクラスに分類される。
私たちのバイナリ分類モデルでは,87.91%の精度が得られていますが,マルチクラス分類のためのニューラルネットワーク後のアンサンブル手法を導入すれば,85%の精度が得られます。
論文 参考訳（メタデータ） (2021-06-08T16:47:22Z) - 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)
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。