شماره ركورد كنفرانس :
5530
عنوان مقاله :
HGBiCaps: يك مدل طبقه‌بندي چنددسته‌اي گفتار نفرت با استفاده از شبكه Capsule
عنوان به زبان ديگر :
HGBiCaps: A Multi-Category Hate Speech Classification Model Using Capsule Network
پديدآورندگان :
يزديان هانيه yazdian.h@qut.ac.ir دانشگاه صنعتي قم , شمسي محبوبه shamsi@qut.ac.ir دانشگاه صنعتي قم , محجل كفشدوز مرتضي mohajjel@qut.ac.ir دانشگاه صنعتي قم
كليدواژه :
تشخيص گفتار نفرت , توييتر , شبكه capsule , طبقه‌بندي چندگانه , يادگيري عميق
عنوان كنفرانس :
بيستمين سمپوزيوم بين‌المللي هوش مصنوعي و پردازش سيگنال
چكيده فارسي :
گسترش فعاليت‌ها و محتواهاي توليدشده توسط كاربران در سيستم‌عامل رسانه‌هاي اجتماعي، چالش‌هايي ازجمله محتواي گفتار نفرت و سوءاستفاده اخلاقي را براي پژوهشگران و جامعه به وجود آورده است. حفظ تعادل بين آزادي بيان و احترام به عزت افراد، يك نگراني اساسي براي ارائه‌دهندگان بسترهاي نرم‌افزاري در حوزه رسانه‌هاي اجتماعي است. در اين مقاله، ما يك مدل تشخيص گفتار نفرت به نام HGBiCaps معرفي كرده‌ايم. اين مدل با استفاده از سه لايه Embedding، BiGRU و Capsule قابليت بهبود تشخيص گفتار نفرت را با در نظر گرفتن اطلاعات متني ارتقاء مي‌بخشد. علاوه بر اين، ما توانسته‌ايم مدل را در دسته‌هاي چندگانه و باينري تعميم دهيم. دقت حاصل از آزمايش‌ها بر روي يكي از مجموعه‌هاي داده چند كلاسه برابر با 80/0 است كه نشان‌دهنده بهبود قابل‌توجه نسبت به مقالات مشابه در اين زمينه است.
