基于机器学习与语义分析的游戏中聊天网络欺凌研究
密码学与安全
2019-07-26 v1 计算机与社会
摘要
网络欺凌研究的一个主要问题是缺乏数据，因为研究人员传统上被迫依赖调查数据，其中受害者和施害者自我报告其印象。本文提出了一种自动数据收集系统，持续从最流行的在线多人游戏之一《坦克世界》中收集游戏内聊天数据。数据被收集并与来自可用在线数据服务的玩家其他信息相结合。它提出了一种基于当前研究的评分方案以识别网络欺凌。使用 SQL 数据库查询的简单特征检测对收集的数据进行分类，并与近期可用的基于 AI 的情感文本分析服务的分类结果进行比较，进一步与使用为本论文构建的自定义分类客户端手动分类的数据进行对比。简单的 SQL 分类在识别有毒聊天的某些特征（如脏话或种族主义情绪的使用）方面被证明相当有用，但更精密的在线情感分析服务的分类结果令人失望。随后对结果进行检查以获得对该游戏中网络欺凌的见解，结果表明，通过在玩家于比赛中被击杀后短时间内冻结其通过游戏内聊天功能交流的能力，应该能大幅减少《坦克世界》中的网络欺凌。研究还表明，非常新的玩家参与网络欺凌的可能性要小得多，这表明这可能是向其他玩家学习的行为。
引用
@article{arxiv.1907.10855,
title = {Machine learning and semantic analysis of in-game chat for cyberbullying},
author = {Shane Murnion and William J. Buchanan and Adrian Smales and Gordon Russell},
journal= {arXiv preprint arXiv:1907.10855},
year = {2019}
}