文献

J-GLOBAL ID：202002266602805503   整理番号：20A1512060

乱用検出のための統一深層学習アーキテクチャ【JST・京大機械翻訳】

A Unified Deep Learning Architecture for Abuse Detection

著者 (6件)： Founta Antigoni Maria (Aristotle University, Thessaloniki, Greece) ,  Chatzakou Despoina (Aristotle University, Thessaloniki, Greece) ,  Kourtellis Nicolas (Telefonica Research, Barcelona, Spain) ,  Blackburn Jeremy (University of Alabama, Tuscaloosa, AL, USA) ,  Vakali Athena (Aristotle University, Thessaloniki, Greece) ,  Leontiadis Ilias (Telefonica Research, Barcelona, Spain)
資料名： ACM Proceedings  (ACM Proceedings)
号： WebSci ’19  ページ： 105-114  発行年： 2019年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 多くのオンラインソーシャルメディアプラットフォームにおいて,攻撃的言語,性行為,およびその他のタイプの虐待行動が共通の現象となっている。近年,このような多様な攻撃的行動は,周波数と強度レベルの増大により明らかにされている。オンライン虐待行動と戦うための社会的メディアの努力にもかかわらず,この問題はまだ明白である。事実,これらプラットフォームにより展開された検出アルゴリズムを回避するための戦術を絶えず変更する永続者との腕レースに入っている。明白な理由のために公開されていないそのようなアルゴリズムは,典型的にはカスタム設計され,1つの特定のタイプの攻撃行動を検出するように調整されるが,通常,他の関連行動を誤っている。本論文では,より全体論的アプローチに従って,この複雑な問題を研究し,これは,攻撃行動の様々な側面を考慮した。著者らは,その人気のために,Twitterに焦点を合わせ,そして,ユーザとテキスト特性を分析し,異なる角度のアバスティブ投稿行動を解析した。多様な利用可能なメタデータを利用する深層学習アーキテクチャを提案し,それを,高度に相互に関連する複数のアーバス行動規範を検出するために,ツイートのテキスト内で自動的に抽出した隠れパターンと組み合わせる。提案の統一アーキテクチャは,アーキテクチャのいかなる変化も必要なしにシームレスで透明な方法で適用されるが,各タスク(即ち,異なるタイプのアバスティブ行動)に対するモデルを訓練するのみである。著者らは,Twitterに関する異なる攻撃行動を扱う複数のデータセットを用いて,提案した方法を試験した。著者らの結果は,92%から98%の範囲のAUC値で,すべてのデータセットにわたって高性能を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  言語 ,  マンドレル ,  *計算機アーキテクチャ ,  メタデータ
準シソーラス用語： オンライン ,  ソーシャルメディア ,  ツイッター ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 虐待行動 ,  深層学習 ,  話し言葉 ,  ツイッター

分類 (3件)： 個生態学  (EE03020H) ,  ロボットの運動・制御  (IC04012J) ,  中枢神経系  (EJ12030F)

タイトルに関連する用語 (2件)： 深層学習 ,  アーキテクチャ