تشخیص قلدری سایبری در شبکه های اجتماعی با یادگیری عمیق مبتنی بر شبکه عصبی CNN و LSTM

یکی از رویکردهای امیدوارکننده در تشخیص زورگویی سایبری استفاده از الگوریتم های یادگیری ماشین و یادگیری عمیق است. با این حال، تشخیص آزار سایبری در شبکه های اجتماعی پیچیده است و یک الگوریتم یادگیری ماشین و یادگیری عمیق به تنهایی توانایی زیادی برای تشخیص دقیق زورگویی سایبری ندارند. در این مقاله برای تشخیص زورگویی سایبری در ابتدا با سه روش استخراج ویژگیGloVe ، Word۲Vec و TF-IDF ویژگی های اولیه متن استخراج می شود. در مرحله دوم انتخاب ویژگی با استفاده از الگوریتم JSO انجام می شود و در نهایت ویژگی های مهم به عنوان ورودی روش ۱DCNN و LSTM در نظر گرفته می شود. آزمایشات در مجموعه داده توئیتر و فیس بوک برای تشخیص زورگویی سایبری انجام می شود. آزمایشات نشان می دهد دقت، حساسیت و صحت روش پیشنهادی در تشخیص زورگویی سایبری در مجموعه داده توئیتر به ترتیب برابر ۲۳/۹۸ درصد، ۸۶/۹۷ درصد و ۷۳/۹۷ درصد است. نتایج نشان می دهد روش پیشنهادی نسبت به روشهای CNN، LSTM و BERT در تشخیص زورگویی سایبری دارای دقت بیشتری است.

کلیدواژه ها:

شبکه اجتماعی ، قلدری سایبری ، یادگیری عمیق ، شبکه عصبی کانولوشن ، شبکه عصبی LSTM