論文の概要: Securing Social Spaces: Harnessing Deep Learning to Eradicate Cyberbullying

• arxiv url: http://arxiv.org/abs/2404.03686v1
• Date: Mon, 1 Apr 2024 20:41:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-08 17:55:13.461073
• Title: Securing Social Spaces: Harnessing Deep Learning to Eradicate Cyberbullying
• Title（参考訳）: ソーシャルスペースの確保: サイバーいじめを根絶するためのディープラーニングのハーネス
• Authors: Rohan Biswas, Kasturi Ganguly, Arijit Das, Diganta Saha,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.8749305679160366
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In today's digital world, cyberbullying is a serious problem that can harm the mental and physical health of people who use social media. This paper explains just how serious cyberbullying is and how it really affects indi-viduals exposed to it. It also stresses how important it is to find better ways to detect cyberbullying so that online spaces can be safer. Plus, it talks about how making more accurate tools to spot cyberbullying will be really helpful in the future. Our paper introduces a deep learning-based ap-proach, primarily employing BERT and BiLSTM architectures, to effective-ly address cyberbullying. This approach is designed to analyse large vol-umes of posts and predict potential instances of cyberbullying in online spaces. Our results demonstrate the superiority of the hateBERT model, an extension of BERT focused on hate speech detection, among the five mod-els, achieving an accuracy rate of 89.16%. This research is a significant con-tribution to "Computational Intelligence for Social Transformation," prom-ising a safer and more inclusive digital landscape.
• Abstract（参考訳）: 今日のデジタル世界では、サイバーいじめはソーシャルメディアを使う人々の精神的および身体的健康を害する深刻な問題である。 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。 また、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であるかを強調している。 さらに同社は、サイバーいじめを見つけるためのより正確なツールを作ることが、今後どのように役立つかについても語った。 本稿では,BERT と BiLSTM アーキテクチャを主体とした深層学習に基づく Ap-proach を提案する。 このアプローチは、大量の投稿を分析し、オンライン空間におけるサイバーいじめの潜在的な事例を予測するように設計されている。 以上の結果から,ヘイトスピーチ検出に焦点を当てたBERTの拡張であるHavtBERTモデルの優位性を示し,89.16%の精度を実現した。 この研究は「社会変革のためのコンピュータインテリジェンス(Computational Intelligence for Social Transformation)」への重要な貢献であり、より安全で包括的なデジタルランドスケープを推進している。

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)
• 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)
• Meme-ingful Analysis: Enhanced Understanding of Cyberbullying in Memes Through Multimodal Explanations [48.82168723932981]
  Em MultiBully-Exは、コード混在型サイバーいじめミームからマルチモーダルな説明を行うための最初のベンチマークデータセットである。 ミームの視覚的およびテキスト的説明のために,コントラスト言語-画像事前学習 (CLIP) アプローチが提案されている。
  論文  参考訳（メタデータ） (2024-01-18T11:24:30Z)
• 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)
• 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)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• 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。