基于深度学习模型的社会网络网络欺凌检测：一项可复现性研究

网络欺凌是一种令人不安的在线不当行为，会带来 troubling 后果。它以不同形式出现，且在大多数社交网络中为文本格式。此类事件的自动检测需要智能系统。现有研究大多采用传统机器学习模型处理该问题，且这些研究中开发的模型多数一次仅适用于单一社交网络。近期研究中，基于深度学习的模型已进入网络欺凌事件检测领域，声称能克服传统模型的局限并提升检测性能。本文调研了近期相关文献的发现。我们成功复现了该文献的发现，并使用作者所用的相同数据集（即Wikipedia、Twitter和Formspring）验证了其结果。随后我们将所开发方法应用于一个新的YouTube数据集（约4k用户的约54k帖子）以扩展工作，并考察了模型在新社交媒体平台上的表现。我们还迁移并评估了在一个平台上训练的模型在另一平台上的性能。我们的结果表明，基于深度学习的模型优于此前应用于同一YouTube数据集的机器学习模型。我们认为基于深度学习的模型也可受益于融合其他信息源并考察社交网络用户档案信息的影响。