攻击性、重复性、故意性、可见性与不平衡性：改进网络欺凌分类的表示
社会与信息网络
2020-04-07 v1 计算与语言
摘要
网络欺凌是网络社区中一个普遍存在的问题。为了在大规模社交网络中识别网络欺凌案例，内容审核员依赖机器学习分类器进行自动网络欺凌检测。然而，现有的模型仍不适合实际应用，这在很大程度上是由于缺乏公开可用的训练数据以及缺乏分配真实标签的标准。在本研究中，我们使用一种原创的标注框架来解决对可靠数据的需求。受社会科学关于欺凌行为研究的启发，我们使用五个明确的因素来表征网络欺凌这一微妙问题，以表示其社会和语言方面。我们使用社交网络和基于语言的特征对这种行为进行建模，从而提高了分类器的性能。这些结果表明，将网络欺凌作为一种社会现象进行表示和建模具有重要意义。
引用
@article{arxiv.2004.01820,
title = {Aggressive, Repetitive, Intentional, Visible, and Imbalanced: Refining Representations for Cyberbullying Classification},
author = {Caleb Ziems and Ymir Vigfusson and Fred Morstatter},
journal= {arXiv preprint arXiv:2004.01820},
year = {2020}
}
备注
12 pages, 5 figures, 22 tables, Accepted to the 14th International AAAI Conference on Web and Social Media, ICWSM'20