基于深度学习检测在线媒体中的激进文本
信息检索
2019-08-01 v2 机器学习
机器学习
摘要
社交媒体影响了人们社会连接、互动与表达观点的方式。技术增长加强了通信与信息传播。不幸的是，许多恐怖团体如圣战社区已开始在线整合虚拟社区，用于招募、在线捐赠、针对青年及传播极端主义意识形态等各种目的。每天大量文章、推文、帖子、海报、博客、评论、观点和新闻未经审查发布于网上，进而对任何国家的安全构成威胁。然而，不同机构正致力于从各类在线社交媒体平台移除此类激进内容。本文旨在利用深度学习算法检测激进化，不同于基于机器学习算法的现有工作。采用基于LSTM的前馈神经网络检测激进内容。我们从各类在线来源共收集61601条记录，包括新闻、文章与博客。这些记录由领域专家标注为三类：激进（R）、非激进（NR）与无关（I），并进一步应用于基于LSTM的网络以分类激进内容。所提方法取得了85.9%的准确率。
引用
@article{arxiv.1907.12368,
title = {Detecting Radical Text over Online Media using Deep Learning},
author = {Armaan Kaur and Jaspal Kaur Saini and Divya Bansal},
journal= {arXiv preprint arXiv:1907.12368},
year = {2019}
}
备注
The Paper consists of 7 pages with 5 figures. The paper is accepted in Intelligent Information Feed Workshop of 25th ACM SIGKDD Conference 2019 for oral presentation