تشخیص گفتار نفرت در شبکه اجتماعی تویتر با رویکرد یادگیری عمیق
محل انتشار: دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 43
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITCONF07_024
تاریخ نمایه سازی: 18 فروردین 1403
چکیده مقاله:
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.
کلیدواژه ها:
نویسندگان
هانیه یزدیان
گروه کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه صنعتی قم، قم
محبوبه شمسی
گروه کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه صنعتی قم، قم
مرتضی محجل کفشدوز
گروه کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه صنعتی قم، قم
زهرا عربشاهی
گروه کامپیوتر، دانشگاه فنی و حرفه ای، تهران