Publicação em atas de evento científico
A “deeper” look at detecting cyberbullying in social networks
Hugo Rosa (Rosa, H.); David Martins de Matos (Matos, D.); Ricardo Ribeiro (Ribeiro, R.); Luisa Coheur (Coheur, L.); João Paulo Carvalho (Carvalho, J. P.);
2018 International Joint Conference on Neural Networks (IJCNN)
Ano (publicação definitiva)
2018
Língua
Inglês
País
Estados Unidos da América
Mais Informação
Web of Science®

Esta publicação não está indexada na Web of Science®

Scopus

N.º de citações: 53

(Última verificação: 2024-03-26 11:11)

Ver o registo na Scopus

Google Scholar

N.º de citações: 73

(Última verificação: 2024-03-24 18:30)

Ver o registo no Google Scholar

Abstract/Resumo
As cyberbullying becomes more and more frequent in social networks, automatically detecting it and pro-actively acting upon it becomes of the utmost importance. In this work, a detailed look at the current state-of-the-art in cyberbullying detection reveals that deep learning techniques have seldom been used to tackle this problem, despite growing reputation in other text-based classification tasks. Motivated by neural networks' documented success, three architectures are implemented from similar works: a simple CNN, a hybrid CNN-LSTM and a mixed CNN-LSTM-DNN. In addition, three text representations are trained from three different sources, via the word2vec model: Google-News, Twitter and Formspring. The experiment shows that these models with one of the above embeddings beat other benchmark classifiers (Support Vector Machines and Logistic Regression) both in an unbalanced and balanced version of the same dataset.
Agradecimentos/Acknowledgements
--
Palavras-chave
Abusive language,Cyberbullying,Deep learning,Neural networks
  • Ciências da Computação e da Informação - Ciências Naturais
  • Engenharia Eletrotécnica, Eletrónica e Informática - Engenharia e Tecnologia
Registos de financiamentos
Referência de financiamento Entidade Financiadora
PTDC/MHCPED/3297/2014 Fundação para a Ciência e a Tecnologia
PTDC/IVC-ESCT/4919/2012 Fundação para a Ciência e a Tecnologia
UID/CEC/50021/2013 Fundação para a Ciência e a Tecnologia

Com o objetivo de aumentar a investigação direcionada para o cumprimento dos Objetivos do Desenvolvimento Sustentável para 2030 das Nações Unidas, é disponibilizada no Ciência-IUL a possibilidade de associação, quando aplicável, dos artigos científicos aos Objetivos do Desenvolvimento Sustentável. Estes são os Objetivos do Desenvolvimento Sustentável identificados pelo(s) autor(es) para esta publicação. Para uma informação detalhada dos Objetivos do Desenvolvimento Sustentável, clique aqui.