論文の概要: Hierarchical Multi-Stage BERT Fusion Framework with Dual Attention for Enhanced Cyberbullying Detection in Social Media

• arxiv url: http://arxiv.org/abs/2503.00342v1
• Date: Sat, 01 Mar 2025 04:12:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:20:37.846823
• Title: Hierarchical Multi-Stage BERT Fusion Framework with Dual Attention for Enhanced Cyberbullying Detection in Social Media
• Title（参考訳）: ソーシャルメディアにおける二重注意型階層型多段階BERT核融合フレームワーク
• Authors: Jiani Wang, Xiaochuan Xu, Peiyang Yu, Zeqiu Xu,
• Abstract要約: 本研究では,ソーシャルメディアにおけるサイバーバブル検出のための多段階BERT融合フレームワークを提案する。 このフレームワークはBERT埋め込みと感情やトピック情報といった機能を組み合わせたものだ。 自己アテンションと横断アテンションを使って特徴を整列し、階層的な分類ヘッドを複数カテゴリに分類する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Detecting and classifying cyberbullying in social media is hard because of the complex nature of online language and the changing nature of content. This study presents a multi-stage BERT fusion framework. It uses hierarchical embeddings, dual attention mechanisms, and extra features to improve detection of cyberbullying content. The framework combines BERT embeddings with features like sentiment and topic information. It uses self-attention and cross-attention to align features and has a hierarchical classification head for multi-category classification. A dynamic loss balancing strategy helps optimize learning and improves accuracy, precision, recall, and F1-score. These results show the model's strong performance and potential for broader use in analyzing social media content.
• Abstract（参考訳）: ソーシャルメディアにおけるサイバーいじめの検出と分類は、オンライン言語の複雑な性質とコンテンツの性質の変化のために難しい。 本研究では,多段階BERT融合フレームワークを提案する。 階層的な埋め込み、二重注意機構、および追加機能を使用して、サイバーいじめコンテンツの検出を改善する。 このフレームワークはBERT埋め込みと感情やトピック情報といった機能を組み合わせたものだ。 自己アテンションと横断アテンションを使って特徴を整列し、階層的な分類ヘッドを複数カテゴリに分類する。 ダイナミックな損失分散戦略は、学習を最適化し、精度、精度、リコール、F1スコアを改善するのに役立つ。 これらの結果から,ソーシャルメディアのコンテンツ分析において,モデルの性能と活用の可能性が示唆された。

関連論文リスト

• Hybrid Machine Learning Model for Detecting Bangla Smishing Text Using BERT and Character-Level CNN [0.0]
  スマイッシング攻撃は328%増加し、モバイルユーザーにとって大きな脅威となった。 人気は高まっているものの、この問題は依然としてかなり過小評価されている。 本稿では,バングラスミッシングテキストを検出するためのハイブリッド機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2025-02-03T16:51:58Z)
• Semi-supervised Semantic Segmentation for Remote Sensing Images via Multi-scale Uncertainty Consistency and Cross-Teacher-Student Attention [59.19580789952102]
  本稿では,RS画像セマンティックセグメンテーションタスクのための,新しい半教師付きマルチスケール不確かさとクロスTeacher-Student Attention(MUCA)モデルを提案する。 MUCAは、マルチスケールの不確実性整合正則化を導入することにより、ネットワークの異なる層における特徴写像間の整合性を制限する。 MUCAは学生ネットワークの誘導にクロス教師・学生の注意機構を使用し、学生ネットワークにより差別的な特徴表現を構築するよう誘導する。
  論文  参考訳（メタデータ） (2025-01-18T11:57:20Z)
• Prompt-enhanced Network for Hateful Meme Classification [1.5079492323055144]
  ソーシャルメディアは、メディアプラットフォームに憎しみのあるミームが溢れている。 我々は,Penを開発した。Penは,素早い学習アプローチに基づくネットワークフレームワークである。 我々はPenが手動のプロンプト法を超越し,より優れた一般化と分類精度を示した。
  論文  参考訳（メタデータ） (2024-11-12T03:55:27Z)
• Binary Code Similarity Detection via Graph Contrastive Learning on Intermediate Representations [52.34030226129628]
  バイナリコード類似度検出(BCSD)は、脆弱性検出、マルウェア分析、コードの再利用識別など、多くの分野で重要な役割を果たしている。 本稿では,LLVM-IRと高レベルのセマンティック抽象化を利用して,コンパイル差を緩和するIRBinDiffを提案する。 IRBinDiffは1対1の比較と1対多の検索シナリオにおいて,他の主要なBCSD手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-24T09:09:20Z)
• Improving Arabic Multi-Label Emotion Classification using Stacked Embeddings and Hybrid Loss Function [4.149971421068989]
  本研究は、アラビア語における多言語感情分類を強化するために、積層埋め込み、メタラーニング、ハイブリッド損失関数を用いている。 さらに性能向上のために,クラス重み付け,ラベル相関,コントラスト学習を取り入れたハイブリッド損失関数を導入した。 実験では、Precision、Recall、F1-Score、Jaccard Accuracy、Hamming Lossといった主要なメトリクスで提案されたモデルのパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2024-10-04T23:37:21Z)
• CMOSE: Comprehensive Multi-Modality Online Student Engagement Dataset with High-Quality Labels [26.537675109294234]
  本稿では,異なるエンゲージメントレベルからの大量のデータと,心理的アドバイスに従ってアノテートされた高品質なラベルを含むCMOSEデータセットを提案する。 また,クラス内多様度とクラス内多様度の順序パターンを扱うためのトレーニング機構であるMocoRankを提案する。
  論文  参考訳（メタデータ） (2023-12-14T16:04:14Z)
• Temporal Saliency Query Network for Efficient Video Recognition [82.52760040577864]
  ビデオ認識は、インターネットやモバイルデバイス上でのマルチメディアデータの爆発的な成長に関するホットスポット研究のトピックである。 既存の方法の多くは、クラス固有のサリエンシスコアを意識せずに、サリエントフレームを選択する。 そこで我々は,Saliency Query (TSQ) 機構を提案する。
  論文  参考訳（メタデータ） (2022-07-21T09:23:34Z)
• CMA-CLIP: Cross-Modality Attention CLIP for Image-Text Classification [18.78457628409226]
  我々は、CMA-CLIP(Cross-Modality Attention Contrastive Language- Image Pre-training)を提案する。 CMA-CLIPは、画像とテキストのペアから情報を効果的に融合するために、シーケンスワイドアテンションとモーダリティアテンションの2つのタイプのクロスモーダリティアテンションを統一する。 我々は,Major Retail Website Product Attribute(MRWPA)データセットと2つのパブリックデータセットであるFood101とFashion-Genで実験を行った。
  論文  参考訳（メタデータ） (2021-12-07T08:23:42Z)
• Dynamic Semantic Matching and Aggregation Network for Few-shot Intent Detection [69.2370349274216]
  利用可能な注釈付き発話が不足しているため、インテント検出は困難である。 セマンティック成分はマルチヘッド自己認識によって発話から蒸留される。 本手法はラベル付きインスタンスとラベルなしインスタンスの両方の表現を強化するための総合的なマッチング手段を提供する。
  論文  参考訳（メタデータ） (2020-10-06T05:16:38Z)
• BriNet: Towards Bridging the Intra-class and Inter-class Gaps in One-Shot Segmentation [84.2925550033094]
  ほとんどショットのセグメンテーションは、限られたトレーニングサンプルで見えないオブジェクトインスタンスをセグメンテーションするためのモデルの一般化に焦点を当てている。 本稿では,クエリの抽出した特徴とサポートイメージのギャップを埋めるフレームワーク BriNet を提案する。 本フレームワークの有効性は,他の競合手法よりも優れる実験結果によって実証された。
  論文  参考訳（メタデータ） (2020-08-14T07:45:50Z)
• Symbiotic Adversarial Learning for Attribute-based Person Search [86.7506832053208]
  本稿では,共生学習の枠組みとして,共生学習の基盤に2つのGANを配置する。 具体的には、2種類の生成的敵ネットワークがトレーニングプロセスを通して協調的に学習する。
  論文  参考訳（メタデータ） (2020-07-19T07:24:45Z)

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。