一种用于检测巨魔推文的上下文敏感词嵌入方法
计算与语言
2023-06-08 v4 人工智能
摘要
在本研究中，我们旨在通过开发和评估一组用于自动检测巨魔推文的模型架构，来解决社交媒体上巨魔行为日益增长的担忧。利用深度学习技术和预训练词嵌入方法（如 BERT、ELMo 和 GloVe），我们使用分类准确率、F1 分数、AUC 和精确率等指标评估了每种架构的性能。我们的结果表明，BERT 和 ELMo 嵌入方法优于 GloVe 方法，这可能是由于它们能够提供上下文化词嵌入，更好地捕捉在线社交媒体中语言使用的细微差别。此外，我们发现 CNN 和 GRU 编码器在 F1 分数和 AUC 方面表现相似，表明它们在从输入文本中提取相关信息方面的有效性。表现最好的方法被发现是一种采用 GRU 分类器的基于 ELMo 的架构，其 AUC 分数为 0.929。本研究突出了在巨魔推文检测任务中利用上下文化词嵌入和适当编码器方法的重要性，可帮助基于社交的系统提高其识别和应对平台上巨魔行为的性能。
引用
@article{arxiv.2207.08230,
title = {A Context-Sensitive Word Embedding Approach for The Detection of Troll Tweets},
author = {Seyhmus Yilmaz and Sultan Zavrak},
journal= {arXiv preprint arXiv:2207.08230},
year = {2023}
}