有毒评论分类方法综述
计算与语言
2021-12-14 v1 人工智能
摘要
虽然在现实生活中每个人至少在一定程度上会约束自己的行为，但很难期望人们在互联网上也能自律，因为发布对他人有害的内容几乎没有什么约束或后果。然而，对于另一端的人而言，有毒文本常常导致严重的心理后果。检测此类有毒文本具有挑战性。在本文中，我们尝试使用包括 CNN、朴素贝叶斯模型以及 LSTM 在内的机器学习方法构建毒性检测器。尽管前人已打下众多基础，我们旨在构建比前辈精度更高的模型。我们使用 LSTM 和 CNN 构建了非常高精度的模型，并将其与语言处理中的常用方案朴素贝叶斯模型进行比较。我们还应用了词嵌入方法来提升模型的精度。
引用
@article{arxiv.2112.06412,
title = {A Survey of Toxic Comment Classification Methods},
author = {Kehan Wang and Jiaxi Yang and Hongjun Wu},
journal= {arXiv preprint arXiv:2112.06412},
year = {2021}
}
备注
5 pages, 3 figures, 2 tables, for Cornell Tech Applied Machine Learning