Who framed Roger Reindeer? De-censorship of Facebook posts by snippet classification

این مقاله سانسور آنلاین را مطرح می کند و بر سانسور هویت ها متمرکز است. هویت های مخرب ممکن است به دلایل مختلف، از ارتش به قوه قضاییه رخ دهد. در اکثر موارد، این اتفاق می افتد تا افراد را از آزار و اذیت افراد متخاصم محافظت کند. با این حال، داشتن وبسایت مشارکتی که از طریق افزونگی اطلاعات شناخته می شود، غیر معمول نیست که یک واقعیت از چندین منبع گزارش شده باشد که ممکن است از سانسور سیاست های محدودیت استفاده نکند. همچنین توانایی ثابت شده کاربران شبکه های اجتماعی برای افشای اطلاعات شخصی منجر به پدیده ای می شود که نظرات به اخبار می تواند اطلاعاتی را که در اخبار منتشر شده اند، نشان دهد. این به ما نشان می دهد که موضوع موضوع اخبار سانسور شده است. ما پیشنهاد انطباق رویکرد تجزیه و تحلیل متن را برای شناسایی هویت سانسور شده پیشنهاد می کنیم. این رویکرد در یک سناریوی سنتز شده مورد آزمایش قرار گرفته است، که با این حال شبیه یک مورد استفاده واقعی است. با استفاده از یک تجزیه و تحلیل متن بر اساس طبقه بندی متنی که برروی قطعه های پست ها و نظرات صفحات فیس بوک تمرکز کرده ایم، نتایجی مثبت به دست می آوریم. با وجود تنظیمات کاملا محدود که در آن ما کار می کنیم - مانند در نظر گرفتن قطعه های بسیار کوتاه - سیستم ما با موفقیت شناسایی نام سانسور شده را با انتخاب 10 نام مختلف نامزد در بیش از 50٪ موارد مورد بررسی قرار می دهد. این نتایج از دو مبنای مرجع بهتر است. یافته های این مقاله در این مقاله، به غیر از اینکه توسط یک متدولوژی کامل آزمایشی پشتیبانی می شود و به تنهایی جالب توجه است، همچنین راه را برای تحقیق بیشتر در مورد مسائل مواجه سانسور در وب فراهم می کند.