基于时间信息高斯混合模型的无监督网络欺凌检测
社会与信息网络
2020-08-07 v1
摘要
社交媒体因其易用性、低成本和快速传播特性而成为信息共享的重要渠道。然而，社交媒体使用的增加伴随着网络欺凌普遍性的上升。大多数现有网络欺凌检测方法是监督式的，因此有两个关键缺陷：（1）数据标注过程通常耗时耗力；（2）由于语言用法不同和社交网络演变，当前的标注准则可能无法推广到未来实例。为应对这些局限，本工作引入了一种用于无监督网络欺凌检测的原则性方法。所提模型包含两个主要组件：（1）一个通过利用多模态特征（如文本、网络和 time）对社交媒体会话进行编码的表示学习网络；（2）一个基于高斯混合模型同时拟合评论到达时间间隔并估计欺凌可能性的多任务学习网络。所提模型联合优化两个组件的参数，以克服解耦训练的缺点。我们的核心贡献是一个无监督网络欺凌检测模型，它不仅在实验上优于最先进的无监督模型，而且与监督模型相比也取得了有竞争力的性能。
引用
@article{arxiv.2008.02642,
title = {Unsupervised Cyberbullying Detection via Time-Informed Gaussian Mixture Model},
author = {Lu Cheng and Kai Shu and Siqi Wu and Yasin N. Silva and Deborah L. Hall and Huan Liu},
journal= {arXiv preprint arXiv:2008.02642},
year = {2020}
}
备注
CIKM2020