ショートカットを用いた文字レベルの畳み込みニューラルネットワークに基づくソーシャルメディアテキストにおけるサイバーブリング検出

概要 人々がソーシャルネットワークでますます多くの時間を過ごすにつれて、サイバーブリングは機械学習手法によって解決すべき社会問題となっています。私たちの研究は、テキストが最も一般的なソーシャルメディアの形式であるため、テキストベースのサイバーブリング検出に焦点を当てています。しかし、ソーシャルメディアの内容情報は短く、ノイズが多く、構造化されておらず、誤ったスペルや記号が含まれており、これは語彙知識に基づく従来の機械学習手法の性能に影響を与えます。この理由から、私たちはソーシャルメディアのテキストにサイバーブリングが含まれているかどうかを特定するために、Char-CNNS（ショートカット付き文字レベルの畳み込みニューラルネットワーク）モデルを提案します。私たちは文字を学習の最小単位として使用し、モデルが実世界のコーパスにおけるスペルミスや意図的な隠蔽を克服できるようにします。ショートカットを利用して異なるレベルの特徴を組み合わせ、より詳細なハラスメント信号を学習し、フォーカル損失関数を採用してクラスの不均衡問題を克服しています。また、サイバーブリング検出専用の新しい中国のWeiboコメントデータセットを提供し、中国のWeiboデータセットと英語のツイートデータセットの両方で実験を行いました。実験結果は、私たちのアプローチがサイバーブリング検出タスクにおいて最先端技術と競合するものであることを示しています。