Comparative analysis on deep neural network models for the detection of cyberbullying in social networks

Análisis comparativo sobre modelos de redes neuronales profundas para la detección de ciberbullying en redes sociales

El uso de las redes sociales ha aumentado y tiene efectos tanto positivos como negativos. Teniendo en cuenta el uso indebido de las plataformas de medios sociales mediante diversos métodos de ciberacoso, como el acecho y el hostigamiento, debería haber métodos preventivos para controlarlos y evitar el estrés mental. Estas palabras adicionales ampliarán el tamaño del vocabulario e influirán en el rendimiento del algoritmo. Por lo tanto, proponemos modelos de aprendizaje profundo variantes como LSTM, BI-LSTM, RNN, BI-RNN, GRU, BI-GRU para detectar el ciberacoso en las redes sociales. Estos modelos se aplican en Twitter, datos de comentarios públicos y se observó el rendimiento de estos modelos y se obtuvo una precisión mejorada del 90,4%.

1. INTRODUCCIÓN

A medida que el crecimiento de la digitalización ha aumentado rápidamente y se ha convertido en parte de la vida de todos, por ejemplo, el uso de diversas plataformas de medios sociales como compartir texto, audio, vídeos a través de Twitter, Facebook, Instagram, y muchos otros usando Internet, al mismo tiempo, el mal uso también ha crecido rápidamente, lo que crea impactos negativos en la sociedad; el mal uso a menudo viene en forma de lambisconería, que debe ser obstaculizada. Este proceso de acosar a la gente mediante comentarios ofensivos o compartiendo información personal de otros por medios electrónicos se conoce como ciberacoso, también conocido como acoso en línea [1]. Se ha convertido en algo habitual, especialmente entre los adolescentes. Este acoso incluye racismo (por ejemplo, tono de piel, rasgos), apariencia física (por ejemplo, gordo, delgado, feo), sexismo (por ejemplo, femenino, masculino) y enmascaramiento (crear cuentas falsas para acosar a otros). Por lo tanto, el ciberacoso es difícil de detectar y rastrear, lo que tendrá intensos efectos [2]. Por lo tanto, la detección del ciberacoso en su fase primaria es un paso fundamental para eludir cualquier incidente letal causado por él. Sin embargo, para minimizar o reducir estos efectos, los investigadores han desarrollado varios modelos de aprendizaje automático y aprendizaje profundo para tratar el problema de la detección del ciberacoso [3].

Las redes sociales permiten a los usuarios comunicar y mostrar sus opiniones y sentimientos de forma abierta y anónima. Esto puede ocurrir mediante una serie de ejercicios tecnológicos como, por ejemplo, publicar fotos, tuitear, juegos sociales, compartir vídeos sociales, redes empresariales, comentarios y valoraciones, entre muchos otros [4]. El contenido de estas redes sociales es una rica plataforma para analizar estos sentimientos y su uso o abuso.