تشخیص چندکلاسه گفتار نفرت در توییتر با بهره‌گیری از مدل ترکیبی یادگیری عمیق (BiGRU) و شبکه‌های کپسولی

مهدیه محمدی یزدی1 علی بزرگمهر2

چکیده :
گسترش روزافزون شبکه‌های اجتماعی، چالش‌های جدیدی از جمله انتشار گفتار نفرت‌انگیز را به همراه داشته است؛ از این رو، تشخیص خودکار و دقیق این نوع محتوا برای حفظ امنیت روانی کاربران در محیط‌های آنلاین امری ضروری محسوب می‌شود. در این پژوهش، یک مدل ترکیبی نوین مبتنی بر یادگیری عمیق با نام اچ_جی_بی_کپس برای تشخیص و طبقه‌بندی گفتار نفرت‌انگیز ارائه شده است. معماری پیشنهادی از ادغام سه بخش اصلی شامل لایه تعبیه کلمات ، لایه شبکه عصبی بازگشتی گیتی دوسویه و شبکه‌های کپسولـی تشکیل یافته است تا با بهره‌گیری حداکثری از اطلاعات متنی، عملکرد سیستم تشخیص را بهبود بخشد. ساختار مذکور امکان استخراج دقیق‌تر ویژگی‌های پنهان متون و درک عمیق‌تر وابستگی‌های طولانی‌مدت معنایی را فراهم می‌سازد. از ویژگی‌های بارز مدل پیشنهادی، قابلیت تعمیم‌پذیری بالای آن در هر دو رویکرد طبقه‌بندی باینری و چندکلاسه است. نتایج حاصل از ارزیابی‌های تجربی نشان می‌دهد که مدل اچ_جی_بی_کپس در سناریوی چالش‌برانگیز طبقه‌بندی چندکلاسه به دقت ۸۰ درصد (۰.۸۰) دست یافته است. مقایسه این نتایج با پژوهش‌های مشابه پیشین، حاکی از بهبود قابل‌توجه عملکرد و کارایی مدل پیشنهادی در شناسایی و تفکیک دقیق کلاس‌های مختلف گفتار نفرت‌انگیز است.

کلمات کلیدی : تشخیص گفتار نفرت توییتر شبکه capsule طبقه‌بندی چندگانه یادگیری عمیق


زبان مقاله : فارسی
محور مقاله : فناوري اطلاعات ( کلیه گرایش ها)
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABKGCF
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABKGCF

سایر مقالات محل انتشار
  1. A Study on Design Understandability and Interaction of the therapy-specific Robots
  2. طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتی‌ژن
  3. طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
  4. یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکه‌های خودرویی شهرهای هوشمند با استفاده از داده‌های ترافیکی شبکه سلولی
  5. An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
  6. تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکه‌های عصبی
  7. Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
  8. ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
  9. کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
  10. Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
  11. Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
  12. تحلیل آینده‌پژوهانه هم‌گرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
  13. نقش تحول دیجیتال در خدمات کتابخانه‌های عمومی برای توان‌یابان جسمی و ذهنی
  14. Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
  15. Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems