تصنيف تغريدات الدعاية المتطرفة باستخدام التعلم العميق في سيناريوهات واقعية

في هذا العمل، تناولنا مشكلة التصنيف التلقائي للدعاية المتطرفة على تويتر، مع التركيز على الدولة الإسلامية في العراق والشام (داعش). قمنا ببناء ونشر عدة مجموعات بيانات، تم الحصول عليها من خلال خلط 15,684 تغريدة دعاية لداعش بعدد متغير من التغريدات المحايدة المرتبطة بداعش، وتغريدات عشوائية، مع الأخذ في الاعتبار التفاوتات التي تصل إلى 1%. اعتبرنا ثلاث تقنيات متقدمة في التعلم العميق، تمثل الأساليب الحالية الرئيسية لتصنيف النصوص، واثنين من أسس التعلم الآلي الخطي القوية. قارنّا أدائها عند تغيير مكونات مجموعات التدريب والاختبار، لاستكشاف استراتيجيات تدريب مختلفة، ولتقييم النتائج عند الاقتراب من ظروف واقعية. أظهرنا أن شبكة عصبية تكرارية-التفافية، تعتمد على تجسيدات كلمات مدربة مسبقًا، يمكن أن تصل إلى درجة F1 ممتازة تبلغ 0.9 في أصعب شروط الاختبار (اختلاف بنسبة 1%).