Sustainable cyberbullying detection with category-maximized relevance of harmful phrases and double-filtered automatic optimization

ما یک راه حل پشتیبان برای سایبربلینینگ را توسعه دادیم؟ پیشگیری بر اساس اکتشافات اخیر در هوش مصنوعی و پردازش زبان طبیعی. سوء استفاده از اینترنت، تعریف شده به عنوان استفاده از اینترنت برای تحقیر و توهین به دیگران تبدیل به یک مشکل جدی است. در ژاپن، اعضای انجمن والدین-معلم به طور دستی کنترل نظارت بر وب را برای متوقف ساختن فعالیت های اینترنتی سایبری انجام می دهند. متاسفانه، خواندن از طریق کل وب به صورت دستی یک کار غیرممکن است. اگر چه پیچیدگی سایبری باعث می شود مشکل تنها با کمک فن آوری حل نشده باشد، ما دریافتیم که فناوری می تواند پیشگیری از سقوط سایبری را کارآمدتر کند. ما یک روش جدید برای تشخیص خودکار ورودی های سایبری را در اینترنت توسعه دادیم. در روش ما کلمات دانه از سه دسته را برای محاسبه نمره گرایش معنایی و سپس به حداکثر رساندن دسته بندی ها استفاده می کنیم. روش پیشنهادی در شرایط آزمایشگاهی و دنیای واقعی، شرایط پایه را بهبود بخشید. سیستم توسعه یافته در عمل اجرا و آزمایش شده است. پس از یک سال آزمایش، متوجه شدیم که عملکرد آن بیشتر از 30 درصد است. ما فرضیه ها را برای دلایل قطره فرض می کنیم. برای به دست آوردن عملکرد از دست رفته و حفظ آن در آینده ما پیشنهادات پیشرفت های اضافی از جمله گرفتن خودکار و فیلتر کردن کلمات دانه. بهبود های آزمایشگاهی به صورت مطلوب بهبود بسیاری از عملکرد از دست رفته.