基于参与者-词汇一致性的网络欺凌识别
社会与信息网络
2016-06-28 v1 机器学习
摘要
随着社交媒体的兴起，人们如今可轻易跨越地点、种族、民族或性别建立关系与社区。然而，社交媒体的力量同时也助长了诸如骚扰与欺凌等有害在线行为。网络欺凌是一个严重的社会问题，使其成为社交网络分析中的重要课题。机器学习方法有望帮助更好地理解此现象，但必须应对若干关键挑战：网络欺凌中涉及快速变化的词汇、社交网络结构的作用，以及数据规模。在本研究中，我们提出一种模型，从社交互动语料库与欺凌指示词种子词典出发，同时发现欺凌的发起者与受害者以及新的欺凌词汇。我们基于参与者-词汇一致性构建目标函数。我们在 Twitter 与 Ask.fm 数据集上评估该方法，并显示所提方法能够检测新的欺凌词汇以及受害者和欺凌者。
引用
@article{arxiv.1606.08084,
title = {Cyberbullying Identification Using Participant-Vocabulary Consistency},
author = {Elaheh Raisi and Bert Huang},
journal= {arXiv preprint arXiv:1606.08084},
year = {2016}
}
备注
presented at 2016 ICML Workshop on #Data4Good: Machine Learning in Social Good Applications, New York, NY