文件名称：使用深度学习进行反社会在线行为检测-研究论文
文件大小：765KB
文件格式：PDF
更新时间：2024-06-30 06:24:19
Deep Learning Cyber-bullying
由于易于发表意见、分享经验、获得即时反馈以及讨论最热门话题的机会，人类交流向在线平台的转变为社会带来了许多好处。 除此之外，它还为骚扰、侮辱和仇恨言论等反社会行为创造了空间。 这项研究致力于检测反社会在线行为检测 (AOB) - 网络欺凌、仇恨言论、网络攻击和使用任何仇恨文本内容的总称。 首先，我们提供了在 AOB 检测文献中发现的深度学习模型的基准。 深度学习已被证明在不同类型的决策支持中是有效的：来自财务披露的决策支持、预测流程行为、基于文本的表情识别。 我们将传统机器学习方法与深度学习方法进行比较，同时应用自然语言处理的重要进步：我们检查双向编码，将注意力机制与更简单的减少技术进行比较，并研究数据的分层表示和不同层上注意力的应用是否可能提高预测性能。 作为最终分层部分的部分贡献，我们引入了伪句子分层注意网络，分层注意网络的扩展——文档分类的最新进展。