Key points are not available for this paper at this time.
Da die Größe der Twitter©-Daten zunimmt, nehmen auch die unerwünschten Verhaltensweisen seiner Nutzer zu. Eines dieser unerwünschten Verhaltensweisen ist Cybermobbing, das sogar zu katastrophalen Konsequenzen führen kann. Daher ist es entscheidend, Cybermobbingverhalten effizient zu erkennen, indem Tweets analysiert werden, wenn möglich in Echtzeit. Übliche Ansätze zur Identifizierung von Cybermobbing sind hauptsächlich eigenständig und somit zeitaufwendig. Diese Forschung verbessert die Erkennungsaufgabe unter Verwendung der Prinzipien des kollaborativen Rechnens. Verschiedene kollaborative Paradigmen werden in diesem Papier vorgeschlagen und diskutiert. Vorläufige Ergebnisse zeigen eine Verbesserung in der Zeit und Genauigkeit des Erkennungsmechanismus im Vergleich zum eigenständigen Paradigma.
Mangaonkar et al. (Fr,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: