一种识别网络 predators 的新方法
计算与语言
2017-12-12 v1 计算机与社会
摘要
具有长短期记忆单元(LSTM-RNN)的循环神经网络在序列数据处理方面具有令人印象深刻的能力,特别是在语言模型构建和文本分类方面。本研究提出将情感分析、句子向量的新方法与LSTM-RNN相结合,作为识别性 predators(SPI)的一种新方法。应用LSTM-RNN语言模型生成句子向量,这些向量是语言模型中的最后隐藏状态。句子向量被输入另一个LSTM-RNN分类器,以捕捉可疑对话。隐藏状态能够为从未见过的句子生成向量。使用Fasttext过滤对话内容并生成情感分数,以识别潜在 predators。实验取得了破纪录的100%准确率和精确率,召回率为81.10%,超过了SPI竞赛中排名最高的结果。
引用
@article{arxiv.1712.03903,
title = {A Novel Way of Identifying Cyber Predators},
author = {Dan Liu and Ching Yee Suen and Olga Ormandjieva},
journal= {arXiv preprint arXiv:1712.03903},
year = {2017}
}
备注
6 pages