社交媒体恶意言论检测：机器学习模型与文本转换方法的比较分析

社交媒体平台上恶意言论的扩散迫切需要开发有效的检测和 moderation工具。本研究评估了 various machine learning models在识别恶意言论和 offensive language方面的效能，并探讨了 text transformation技术中性化此类内容的潜力。我们比较了像CNNs和LSTMs这样的传统模型与BERT及其衍生模型的 advanced neural network模型，并探索了组合不同架构特征的 hybrid模型。我们的结果表明，尽管像BERT这样的 advanced模型因其深层语境理解而表现出优异的准确率，但 hybrid模型在某些情境下显示出改进的能力。此外，我们引入了创新的 text transformation方法，将消极表达转换为中性表达，从而可能减轻有害内容的影响。讨论这些发现的意义，突出当前技术的优势和局限性，并提出未来方向以构建更稳健的恶意言论检测系统。