机构名称：
¥ 1.0
社交媒体中的摘要网络欺凌会显着影响个人的心理健康，并为创建安全的在线环境，尤其是在非英语社区中构成值得注意的障碍。应对网络欺凌挑战需要社区，教育工作者和技术平台开发人员或设计师的合作努力。这项研究的主要关注点是利用各种机器学习（ML）方法来检测孟加拉语的网络欺凌。网络欺凌的孟加拉数据集涵盖了一系列文本，包括网络欺凌和非纤维欺凌内容。该数据集经历了预处理阶段，同时利用多种技术（包括令牌化，数据增强和转换为序列），以促进为各种ML方法创建适当的输入，例如XGBOOST（XGB）（XGB），例如梯度增强（GB），决策Tree Tree Tree Tree Tree Tree Tree Tree Tree Tree Tree Tree Tree Tree Trees（DT），Ann ne ne forter ne forter（dt），人为（Ann），人为（ANN），人为（RF），RF，RF，RF，RF，RF，RF，RF，RF，RF，RF，RF，RF，RF，RF，RF。 （CNN）和长期记忆（LSTM）。数据是使用来自不同社交媒体平台的Web刮擦收集的，其中包含五个不同的类别：中性，威胁，巨魔，政治和性类别。实验结果表明，所提出的网络欺凌检测模型的LSTM具有99.80％的特殊精度，超过了其他基于深度学习的算法。相反，XGB在相同的数据集中实现了超过74％的值得称赞的精度，表现优于其他传统的ML算法。这些发现对预防和减轻网络欺凌的积极措施产生了重大贡献，最终为在孟加拉国沟通的个人提供了更安全的在线环境。
社交媒体平台上的网络欺凌检测...
主要关键词
相关文件推荐
