基于循环神经网络的社交媒体政治仇恨文章自动识别
人机交互
2024-11-08 v1
摘要
社交媒体的快速增长为我们提供了实时了解大量政治活跃个体观点的即时机会。通过分析社交媒体文本，我们可以对这些个体在政府议题上的意识形态形成整体认识。如今，不同类型的新闻网站和流行的社交媒体平台（如 Facebook、YouTube、Instagram 等）是大众最常用的交流手段。因此，用户对不同政党的政治态度反映在这些社交网站收集的数据中。在本工作中，我们提取了三种特征：文体计量特征、词嵌入特征和 TF-IDF 特征。传统机器学习分类器和深度学习模型被用于从文本中识别政治意识形态。我们将方法与不同语言的研究工作进行了比较。其中，词嵌入特征结合 LSTM 优于所有其他模型，准确率达到 88.28%。
引用
@article{arxiv.2411.04542,
title = {Automatic Identification of Political Hate Articles from Social Media using Recurrent Neural Networks},
author = {Sultan Ahmed and Salman Rakin and Khadija Urmi and Chandan Kumar Nag and Md. Mostofa Akbar},
journal= {arXiv preprint arXiv:2411.04542},
year = {2024}
}
备注
8 Pages !