트위터에서 사이버 괴롭힘 감지를 위한 기계 학습 기법의 비교 분석

소셜 미디어, 특히 트위터의 출현은 표현의 자유 개념에 대한 오해로 인해 많은 문제를 일으킵니다. 이 문제 중 하나는 사이버 괴롭힘으로, 이는 개인 피해자와 사회 모두에 영향을 미치는 심각한 글로벌 문제입니다. 사이버 괴롭힘을 중재하거나 예방하거나 완화하기 위해 문헌에서 여러 시도가 소개되었지만, 이러한 시도가 피해자의 상호작용에 의존하기 때문에 실용적이지 않습니다. 따라서 피해자의 개입 없이 사이버 괴롭힘을 감지하는 것이 필요합니다. 본 연구에서는 트위터에서 37,373개의 고유한 트윗으로 구성된 글로벌 데이터 세트를 수집하여 이 문제를 탐구하고자 하였습니다. 또한 로지스틱 회귀(LR), 라이트 그래디언트 부스팅 머신(LGBM), 확률적 경사 하강법(SGD), 랜덤 포레스트(RF), 아다부스트(ADB), 나이브 베이즈(NB), 서포트 벡터 머신(SVM) 등 7개의 기계 학습 분류기를 사용하였습니다. 이들 알고리즘 각각은 정확도, 정밀도, 재현율, F1 점수를 성능 메트릭으로 사용하여 글로벌 데이터 세트에 적용된 분류기의 인식률을 평가했습니다. 실험 결과, LR이 약 90.57%의 중앙값 정확도를 달성하여 우수성을 보였습니다. 분류기 중에서 로지스틱 회귀는 최고의 F1 점수(0.928)를 달성하였고, SGD는 최고의 정밀도(0.968)를, SVM은 최고의 재현율(1.00)을 달성했습니다.