从图谱看：基于对话洞察解密社交媒体中的滥用行为
计算与语言
2025-04-03 v1 人工智能
机器学习
摘要
检测社交媒体对话中的滥用语言具有显著挑战，因为识别滥用行为往往取决于对话上下文，这包括前述评论的内容和拓扑结构。传统的滥用语言检测（ALD）模型常常忽视了这一上下文，可能导致不可靠的性能指标。近期的自然语言处理（NLP）方法整合对话上下文，但依赖有限且简化的表示，并报告出不一致的结果。本文提出了一种新方法，使用图神经网络（GNNs）将社交媒体对话建模为图形，其中节点代表评论，边缘捕获回复结构。我们系统性地研究了各种图表示和上下文窗口，以识别ALD的最佳配置。我们的GNN模型在F1分数上显著优于上下文无关的基线和线性上下文敏感方法。这些发现表明，结构化对话上下文的作用至关重要，并将GNNs确立为推进上下文感知滥用语言检测的稳健框架。
引用
@article{arxiv.2504.01902,
title = {Graphically Speaking: Unmasking Abuse in Social Media with Conversation Insights},
author = {Célia Nouri and Jean-Philippe Cointet and Chloé Clavel},
journal= {arXiv preprint arXiv:2504.01902},
year = {2025}
}