تشخیص گفتار نفرت در شبکه اجتماعی تویتر با رویکرد یادگیری عمیق

یکی از چالش های کلیدی در دهه های اخیر مسئله شناسایی گفتار نفرت بوده است. تحقیقات اخیر بر اساس شناساییاظهارات نفرت آمیز در سیستم های عامل شبکه های اجتماعی، نقش مهمی در این زمینه داشته است. ویژگی هایتهاجم آمیز که متمرکز بر جوانبی نظیر جنسیت، مذهب، نژاد و معلولیت هستند. به عنوان اهداف گفتار نفرت تلقیمی شوند. در نتیجه، اهمیت ویژه ای به تحلیل پیش پردازش اطلاعات کاربران و فیلتر کردن محتواهایی که ممکن استبه گفتار نفرت ارتباط داشته باشند، می پردازد. بااین حال، حجم بالای توییت های ارسالی و دریافتی در توییتر که بیش از۶۰۰ توییت در ثانیه و بیش از ۵۰۰ میلیون در روز است، تقریبا جلوگیری از تشخیص دستی گفتار نفرت را غیرممکنمی سازد. به همین دلیل. ارائه یک مدل برای تشخیص گفتار نفرت با بهره گیری از شبکه های عمیق و حافظهکوتاه مدت، اقدامی موثر و ضروری است. علاوه بر این، ما توانسته ایم مدل را در دسته های چندگانه و باینری تعمیمدهیم. دقت حاصل از آزمایش ها بر روی یکی از محموعه های داده چند کلاسه برابر با ۰/۸۰ است که نشان دهندهبهبود قابل توجه نسبت به مقالات مشابه در این زمینه است.