Das Ziel dieses Projekts ist die Schaffung eines intelligenten Systems, das Instanzen von Cybermobbing in sozialen Medien mithilfe von Sentiment-Analyse und maschinellen Lernansätzen identifizieren kann. Mit der ständigen Zunahme von Online-Plattformen nehmen Cybermobbing und andere negative Verhaltensweisen zu, was die Sicherheit der Nutzer und deren psychische Gesundheit negativ beeinträchtigt. Das vorgeschlagene System wird mithilfe von Natural Language Processing (NLP) vorverarbeitete Textdaten nutzen, um relevante Merkmalsätze über TF-IDF zu extrahieren, und wird in der Lage sein, eine Sentiment-Analyse durchzuführen, um die Gefühle der Nutzer, die die Inhalte erstellen, zu bewerten, um die Fähigkeit des Modells zur Unterscheidung zwischen mobbenden und nicht-mobbenden Inhalten zu verbessern. Darüber hinaus nutzt das Projekt mehrere Arten von maschinellen Lernalgorithmen, wie Naive Bayes, logistische Regression, Support Vector Machines und Random Forest, die basierend auf ihrer Leistung bei der Kategorisierung von Inhalten im Zusammenhang mit Cybermobbing in nahezu Echtzeit bewertet werden. Durch die Automatisierung der Identifizierung von Cybermobbing und die Abhaltung von Personen, sich an diesen schädlichen Verhaltensweisen in sozialen Medien zu beteiligen, zielt dieses Projekt darauf ab, einen sichereren Ort zu schaffen, an dem jeder das, was soziale Medien zu bieten haben, genießen kann.
Sivamani et al. (Thu,) haben diese Frage untersucht.