用于滥用行为检测的统深度学习架构
计算与语言
2018-02-22 v2 社会与信息网络
摘要
仇恨言论、攻击性语言、性别歧视、种族歧视以及其他类型的滥用行为已成为许多在线社交媒体平台中的普遍现象。近年来，此类多样的滥用行为以更高的频率和强度显现。这是由于 Twitter 和 Facebook 等流行媒体平台愿意承载敏感或有争议话题的内容的开放态度。然而，这些平台未能充分解决在线滥用行为问题，其对有效检测和屏蔽此类不当行为的响应仍然有限。在本文中，我们采用一种更整体性的方法研究这一复杂问题，该方法考虑了滥用行为的各个方面。为使该方法可行，我们聚焦于 Twitter 数据，并从滥用发布行为的不同角度分析用户与文本属性。我们提出了一种深度学习架构，其利用大量可用的元数据，并将其与从推文文本中自动提取的隐藏模式相结合，以检测高度相互关联的多种滥用行为准则。我们以无缝、透明的方式应用该统一架构来检测不同类型的滥用行为（仇恨言论、性别歧视与种族歧视、欺凌、讽刺等），而无需针对每项任务调整模型架构。我们使用针对 Twitter 上不同及多种滥用行为的多个数据集测试了所提方法。我们的结果表明，它大幅优于最先进的方法（根据数据集不同，AUC 提升 21% 至 45%）。
引用
@article{arxiv.1802.00385,
title = {A Unified Deep Learning Architecture for Abuse Detection},
author = {Antigoni-Maria Founta and Despoina Chatzakou and Nicolas Kourtellis and Jeremy Blackburn and Athena Vakali and Ilias Leontiadis},
journal= {arXiv preprint arXiv:1802.00385},
year = {2018}
}
备注
abusive behavior, Twitter, aggression, bullying, deep learning, machine learning