机构名称：
¥ 1.0
摘要 - 本研究论文探讨了社交网络领域内的网络欺凌检测的关键问题，并对各种机器学习和深度学习技术进行了全面检查。该研究通过使用标准指标进行严格评估来研究这些方法的性能，包括准确性，精度，召回，F-MEAC和AUC-ROC。这些发现突出了深度学习模型的显着功效，尤其是双向长期记忆（BILSTM）体系结构，始终优于各种分类任务的替代方法。混乱矩阵和图形表示进一步阐明了模型性能，强调了基于Bilstm的模型的显着能力，可以准确识别和对网络欺凌实例进行分类。这些结果强调了高级神经网络结构在捕获在线仇恨言论和进攻内容的复杂性方面的重要性。这项研究通过促进对网络欺凌的早期识别和缓解来促进更安全，更具包容性的在线社区的宝贵见解。未来的调查可能会探讨混合方法，附加功能集成或实时检测系统，以进一步完善和推进解决这一关键社会关注的最新问题。
使用机器学习在社交媒体上进行进攻性语言检测
主要关键词
相关文件推荐
