تشخیص خودکار خشونت خانگی از طریق تحلیل متن با استفاده از یادگیری ماشین

خشونت خانگی از مسائل جدی اجتماعی است که در بسیاری از جوامع پنهان می ماند و شناسایی آن به دلیل عوامل مختلف مانند ترس، اعتماد به نفس پایین، عدم آگاهی از حقوق قانونی برای قربانیان دشوار است. با توجه به اهمیت این موضوع، تحقیقاتی در زمینه شناسایی خشونت خانگی با استفاده از تکنیک های هوش مصنوعی و یادگیری ماشین انجام شده است. این موضوع به عنوان یک مشکل اجتماعی و روانی در جوامع مختلف نیازمند ابزارهای دقیق و کارآمد برای شناسایی و تحلیل است. در این مطالعه هدف بررسی کاربرد یادگیری ماشین برای تحلیل محتوی مرتبط با خشونت خانگی در داده های کلامی جمع آوری شده بین اعضای خانواده می باشد. برای این منظور، عدم دسترسی به داده های واقعی، جمع آوری شده از مکالمات بین اعضای خانواده مشکل اصلی بود. برای پیش بینی و شناسایی صحنه های خشونت خانگی از فیلم های حاوی متون مرتبط، از مدل های عمیق LSTM و CNN استفاده شده است. جامعه آماری شامل ۳۶۹ نمونه می باشد که از این تعداد ۱۴۳ مورد شامل صحنه های غیر خشونت می باشد (حاوی سایر هیجانات، آرامش) و ۲۰۵ مورد صحنه ی خشونت آمیز انتخاب شده است. روش نمونه گیری بصورت تصادفی انجام شده است. داده ها با استفاده از پایتون و کتابخانه های یادگیری ماشین مانند TensorFlow و Keras تحلیل شده است. در مدل های CNN، LSTM برای شناسایی ویژگی های پیچیده محتوای متنی و حفظ وابستگی های بلندمدت در داده ها استفاده شده. نتایج نشان می دهد مدل CNN در حفظ و شناسایی الگوهای محتوای مرتبط با خشونت خانگی دارد، در حالی که مدل LSTM عملکرد بهتری در حفظ وابستگی های معنایی جملات ارائه کرده، بطور کلی، دقت نهایی مدل های یادگیری عمیق برای شناسایی خشونت خانگی به ترتیب CNN و LSTM به ۸۸٫۷ و ۸۸٫۶ رسید. این یافته ها می تواند به عنوان مدل هایی مفید در شناسایی و پیشگیری از خشونت خانگی در دنیای امروزه بکار گرفته شوند.

کلیدواژه ها:

خشونت خانگی ، ماشین تحلیل ، یادگیری CNN ، LSTM