阿拉伯文文本的网络欺凌检测方法:一个系统的文献审查

科学领域:

• 自然语言处理自然语言处理.
• 计算语言学 计算语言学
• 社交计算社会计算

背景情况:

• 网络欺凌是一个日益增长的在线威胁.
• 阿拉伯语对检测提出了独特的语言和文化挑战.
• 现有的研究缺乏阿拉伯网络欺凌检测方法的整体观点.

研究的目的:

• 综合审查阿拉伯网络欺凌检测当前的方法,趋势和挑战.
• 确定有效的模型,并突出未来研究的领域.
• 为文化和语言量身定制的检测系统提供基础.

主要方法:

• 对35篇同行评审文章的系统审查,这些文章是关于阿拉伯网络欺凌的识别.
• 机器学习和深度学习方法的分析,包括传统的ML,CNN/BiLSTM和变压器模型 (例如,AraBERT).
• 评估报告的准确性,精度,回忆和指标,如宏观平均F1和每个类别的指标.

主要成果:

• 精度从73%到96%不等,精度往往超过回忆.
• 深度神经网络和变压器模型 (AraBERT) 显示出卓越的性能,特别是在管理方言变化和噪音时.
• 在方言代表性,欺凌定义一致性和注释透明度方面存在重大缺陷.

结论:

• 文化和语言特定的方法对于有效的阿拉伯网络欺凌检测至关重要.
• 未来的研究应该侧重于方言强大的预培训,交叉数据集评估,上下文意识的建模,和人-in-the-loop框架.
• 解决隐私和偏见等伦理考虑对于现实世界的部署至关重要.