HuEID：利用多模态乌尔都语文本和表情符号的混合深度学习方法进行网络欺凌检测

《ACM Transactions on Asian and Low-Resource Language Information Processing》：HuEID: Hybrid Deep Learning for Cyberbullying Detection using Multi-Modal Urdu Text and Emojis

网络欺凌检测在乌尔都语多模态数据中应用混合深度学习模型，通过Bi-LSTM提取文本特征和CNN提取表情符号特征，结合迁移学习提升检测性能。实验显示准确率达97%，较基准方法提升7%准确率和20%F1值。

　　

摘要

在数字通信时代，社交媒体平台已成为我们日常生活中不可或缺的一部分，为互动和信息共享提供了前所未有的机会。然而，这些平台也成为了网络欺凌的滋生地，对个人和社区造成了严重的心理困扰。尽管已有大量研究，但在多语言环境中（尤其是乌尔都语等语言中）检测网络欺凌仍然是一个重大挑战。本文介绍了HuEID：一种利用多模态社交媒体数据和混合深度学习模型来检测乌尔都语文本中网络欺凌的创新方法。HuEID方法结合了文本数据和表情符号，捕捉了社交媒体平台上常见的细微表达方式。该过程从全面的多模态数据收集和细致的数据预处理开始，采用Bi-LSTM进行有效的文本特征提取，利用CNN提取表情符号特征，通过迁移学习构建了一个强大的欺凌检测系统。实验结果表明，HuEID在识别网络欺凌案例方面表现优异，充分展现了多模态数据和先进深度学习技术的重要性。多项实验验证了HuEID的高效性能：在数据集1上的准确率为94%，在数据集2上的准确率为97%。与基准方法相比，HuEID的准确率提高了7%，F1分数提高了20%。