.png){kind=icon}
返回
An Interpretable Data-Driven Approach for Modeling Toxic Users via Feature Extraction
.png){kind=icon}
OA
AI
DOI：10.1007/978-3-032-08327-2_9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在线社交网络（OSNs）支持大规模讨论，但常受骚扰和仇恨言论等有害行为困扰。虽然自动化审核有助于管理有害内容，但个性化方法因公平性和透明度问题仍具挑战。我们提出utoxic，一个基于语言学、情感和聚类衍生特征的机器学习框架，用于检测和分析有害用户。该框架执行二元和多类分类，并整合可解释性技术以增强透明度。我们在包含超过800万评论的Reddit数据集上评估utoxic，证明其有效识别有害用户和特定有害类型。我们的方法改进了自动化审核，提供可解释见解以实现更公平和适应性更强的干预措施。
Keyword:
Toxicity Detection
Machine Learning
XAI
期刊
E
IF:
0
论文数:
20
被引数:
0
机构
引用论文
Cyberbullying Detection in Social Networks: A Comparison Between Machine Learning and Transfer Learning Approaches.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
Predicting Dark Triad Personality Traits from Twitter Usage and a Linguistic Analysis of Tweets
PREAI
分享收藏分享收藏
查看更多内容