HENIN：学习异质神经交互网络用于社交媒体上可解释的网络欺凌检测
计算与语言
2020-10-12 v1 人工智能
社会与信息网络
摘要
在网络欺凌的计算检测中，已有工作主要聚焦于构建仅依赖社交媒体会话文本分析的通用分类器。尽管取得了经验性成功，我们认为一个关键缺失环节是模型可解释性，即为何某条媒体会话被检测为网络欺凌。因此，本文提出一种新颖深度模型——异质神经交互网络（HEterogeneous Neural Interaction Networks, HENIN），用于可解释的网络欺凌检测。HENIN 包含以下组件：评论编码器、帖子-评论协同注意力子网络，以及会话-会话与帖子-帖子交互提取器。在真实数据集上的大量实验不仅展示了 HENIN 的良好性能，也突出了作为证据的评论，从而使人理解为何某媒体会话被识别为网络欺凌。
引用
@article{arxiv.2010.04576,
title = {HENIN: Learning Heterogeneous Neural Interaction Networks for Explainable Cyberbullying Detection on Social Media},
author = {Hsin-Yu Chen and Cheng-Te Li},
journal= {arXiv preprint arXiv:2010.04576},
year = {2020}
}
备注
EMNLP 2020 long paper. Code is available at https://github.com/HsinYu7330/HENIN