Détection du cyberharcèlement par l'analyse des sentiments

Ces dernières années, avec la prolifération des plateformes de médias sociaux à travers le monde, en particulier chez les jeunes, le cyberharcèlement et l'agression sont devenus un problème sérieux et ennuyeux auquel les communautés doivent faire face. De telles plateformes offrent divers moyens aux harceleurs d'attaquer et de menacer les autres au sein de leurs communautés. Différentes techniques et méthodologies ont été utilisées ou proposées pour lutter contre le cyberharcèlement grâce à une détection précoce et des alertes pour découvrir et/ou protéger les victimes de telles attaques. Les techniques d'apprentissage automatique (AA) ont été largement utilisées pour détecter certains schémas linguistiques exploités par les harceleurs pour attaquer leurs victimes. De plus, l'analyse des sentiments (AS) du contenu des médias sociaux est devenue l'un des domaines de recherche en croissance dans l'apprentissage automatique. L'AS offre la capacité de détecter le cyberharcèlement en temps réel. Cet article propose un modèle d'AS pour identifier les textes de cyberharcèlement sur la plateforme Twitter. Les machines à vecteurs de support (MVS) et le naïve Bayes (NB) sont utilisés dans ce modèle en tant qu'outils de classification d'apprentissage automatique supervisé. Les résultats des expériences menées sur ce modèle ont montré des résultats encourageants lorsque l'on applique un modèle de langue à n-grammes plus élevé sur de tels textes, par rapport à des recherches similaires antérieures. De plus, les résultats ont montré que les classifieurs MVS ont de meilleures mesures de performance que les classifieurs NB sur de tels tweets.