Resumen

En la era moderna, el ciberacoso (CB) es una accin intencionada y agresiva de un individuo o un grupo contra una vctima a travs de medios electrnicos. Las consecuencias del CB aumentan de forma alarmante, afectando a la vctima fsica o psicolgicamente. Esto permite el uso de herramientas automatizadas de deteccin, pero la investigacin sobre dichas herramientas automatizadas es limitada debido a la pobreza de los conjuntos de datos o a la eliminacin de amplias caractersticas durante la deteccin de CB. En este artculo, se propone un modelo integrado que combina el motor de extraccin de caractersticas y el motor de clasificacin a partir de los conjuntos de datos de texto sin procesar de un motor de medios sociales. El motor de extraccin de caractersticas extrae las caractersticas psicolgicas, los comentarios de los usuarios y el contexto para la deteccin de CB. El motor de clasificacin, que utiliza una red neuronal artificial (RNA), clasifica los resultados y dispone de un sistema de evaluacin que recompensa o penaliza el resultado clasificado. La evaluacin se lleva a cabo utilizando Deep Reinforcement Learning (DRL) que mejora el rendimiento de la clasificacin. La simulacin se lleva a cabo para validar la eficacia del modelo RNA-DRL frente a varias mtricas que incluyen la exactitud, la precisin, la recuperacin y la f-medida. Los resultados de la simulacin muestran que la RNA-DRL obtiene mejores resultados de clasificacin que los clasificadores de aprendizaje automtico convencionales.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Ciberacoso; Herramientas de detección automática; Modelo integrado; Motor de extracción de características; Motor de clasificación; Red neuronal artificial
• Keywords:Cyberbullying; Automated detection tools; Integrated model; Feature extraction engine; Classification engine; Artificial neural network