단어 구름 시각화 및 카운트 벡터라이저와 결합된 앙상블 학습을 이용한 새로운 혐오 발언 탐지

최근 소셜 미디어에서 많은 부정적인 행동 활동이 발견되었습니다. 특히 트위터에서의 괴롭힘 및 혐오 발언과 같은 사건이 상당히 증가했습니다. 따라서 트위터의 혐오 발언 탐지는 많은 연구자들 사이에서 관심 분야가 되었습니다. 본 논문에서는 (1) 혐오 발언 탐지의 계산적 도전 과제를 조사하고 (2) 높은 성능 결과를 생성하는 컴퓨테이셔널 프레임워크를 제시합니다. 첫째, 카운트 벡터라이저 기법을 활용하여 트위터 데이터에서 특징을 추출합니다. 그런 다음, Bagging, AdaBoost 및 랜덤 포레스트를 포함한 채택된 앙상블 방법에 구축된 특징의 레이블이 지정된 데이터 세트를 제공합니다. 훈련 후, 우리는 새로운 트윗 예제를 혐오 발언 또는 비혐오 발언 두 범주 중 하나로 분류합니다. 실험 결과는 (1) 랜덤 포레스트가 정확도 성능 결과를 통해 95%를 생성함으로써 다른 방법을 초월했음을 보여주고 (2) 단어 구름이 혐오적 감정의 원인이 되는 가장 두드러진 트윗을 표시합니다.