Fugu-MT 論文翻訳(概要): Detecting cyberbullying in Spanish texts through deep learning techniques

論文の概要: Detecting cyberbullying in Spanish texts through deep learning techniques

arxiv url: http://arxiv.org/abs/2512.19899v1
Date: Mon, 22 Dec 2025 22:05:36 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-24 19:17:49.673159
Title: Detecting cyberbullying in Spanish texts through deep learning techniques
Title（参考訳）: 深層学習によるスペイン語テキスト中のサイバーいじめの検出
Authors: Paúl Cumba-Armijos, Diego Riofrío-Luzcando, Verónica Rodríguez-Arboleda, Joe Carrión-Jumbo,
Abstract要約: この研究は、Twitterから得たスペイン語のいじめ表現とコーパスを統合し、準備する。このトレーニングの結果、スペインのサイバーいじめ表現を識別する予測モデルが作成された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recent recollected data suggests that it is possible to automatically detect events that may negatively affect the most vulnerable parts of our society, by using any communication technology like social networks or messaging applications. This research consolidates and prepares a corpus with Spanish bullying expressions taken from Twitter in order to use them as an input to train a convolutional neuronal network through deep learning techniques. As a result of this training, a predictive model was created, which can identify Spanish cyberbullying expressions such as insults, racism, homophobic attacks, and so on.
Abstract（参考訳）: 近年のデータによると、ソーシャルネットワークやメッセージングアプリケーションのようなコミュニケーション技術を利用することで、社会の最も脆弱な部分に悪影響を及ぼす可能性のある事象を自動的に検出することが可能である。本研究は, 深層学習技術を用いて, 畳み込み神経ネットワークを訓練するためのインプットとして利用するために, Twitter から抽出したスペイン語のいじめ表現とコーパスを統合し, 準備する。このトレーニングの結果、侮辱、人種差別、同性愛などのスペインのサイバーいじめ表現を識別する予測モデルが作られた。

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)
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 Detection for Low-resource Languages and Dialects: Review of the State of the Art [0.9831489366502298]
この論文では、バングラ語、ヒンディー語、ドラヴィダ語など、23の低資源言語と方言がカバーされている。本調査では,サイバーいじめの信頼性定義の欠如を含む,過去の研究における研究ギャップのいくつかを明らかにした。これらの提案に基づき,バングラのチタゴニア方言におけるサイバーいじめデータセットを収集,公開する。
論文参考訳（メタデータ） (2023-08-30T03:52:28Z)
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)
Searching for the Essence of Adversarial Perturbations [73.96215665913797]
本稿では,ニューラルネットワークの誤予測の原因となる,人間の認識可能な情報を含む対人摂動について述べる。この人間の認識可能な情報の概念は、敵の摂動に関連する重要な特徴を説明できる。
論文参考訳（メタデータ） (2022-05-30T18:04:57Z)
BERTuit: Understanding Spanish language in Twitter through a native transformer [70.77033762320572]
bfBERTuitは、これまでスペイン語のために提案された大きなトランスフォーマーで、2億3000万のスペイン語ツイートの膨大なデータセットで事前トレーニングされている。私たちのモチベーションは、スペイン語のTwitterをよりよく理解し、このソーシャルネットワークにフォーカスしたアプリケーションに利用するための強力なリソースを提供することです。
論文参考訳（メタデータ） (2022-04-07T14:28:51Z)
Robust Federated Learning Against Adversarial Attacks for Speech Emotion Recognition [12.024098046435796]
音声データは、インターネット・オブ・シング・アプリケーションのサーバにアップロードされ、処理されると保護できない。ディープニューラルネットワークは、人間と区別できない敵の摂動に弱いことが証明されている。本稿では,データと深層ニューラルネットワークの両方を保護するための新しい対角学習フレームワークを提案する。
論文参考訳（メタデータ） (2022-03-09T13:19:26Z)
Controlled Caption Generation for Images Through Adversarial Attacks [85.66266989600572]
画像特徴抽出には畳み込みニューラルネットワーク(CNN)、キャプション生成にはリカレントニューラルネットワーク(RNN)が使用される。特に、その後の再帰的ネットワークに供給される視覚エンコーダの隠蔽層に対する攻撃について検討する。本稿では、CNNの内部表現を模倣したニューラルネットワークキャプションの逆例を作成するためのGANベースのアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-07-07T07:22:41Z)
Speaker De-identification System using Autoencoders and Adversarial Training [58.720142291102135]
本稿では,対人訓練とオートエンコーダに基づく話者識別システムを提案する。実験結果から, 対向学習とオートエンコーダを組み合わせることで, 話者検証システムの誤り率が同等になることがわかった。
論文参考訳（メタデータ） (2020-11-09T19:22:05Z)
NAttack! Adversarial Attacks to bypass a GAN based classifier trained to detect Network intrusion [0.3007949058551534]
機械学習の台頭以前、攻撃を示唆するネットワーク異常は、巧妙なルールを用いて検出された。ネットワーク異常に対する機械学習の進歩により、人間がサイバー防御システムをバイパスする方法を理解することは容易ではない。本稿では, 分類器を構築し, ネットワークデータの逆例で訓練しても, 敵攻撃を利用でき, システムを破壊することができることを示す。
論文参考訳（メタデータ） (2020-02-20T01:54:45Z)

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。