64、网络欺凌检测与乐器识别研究：数据驱动的创新探索

网络欺凌检测与乐器识别研究：数据驱动的创新探索

1. 网络欺凌检测研究

在当今数字化时代，网络欺凌已成为一个严重的社会问题。为了有效检测网络欺凌行为，研究人员提出了一种新的混合深度模型 HMMF。

1.1 数据与特征

• 评论信息 ：评论的数字侧面信息，通过特定架构进行组合和建模。
• 用户信息 ：由用户名、用户发布头条数量、总点赞数、粉丝数和关注数五个数据字段组成，代表用户特征和个人资料信息。用户名使用特定架构建模，其他四个字段组合并使用另一架构建模。

1.2 实验设置

为了进行公平比较，研究在真实世界数据集 JRTT 上进行了一系列对比实验。实验使用了几种中文预训练模型，包括 BERT、XLNet、ERNIE、RoBERTa 和 MacBERT 来初始化句子嵌入和词嵌入。具体设置如下：
- 填充大小为 256，批量大小为 10。
- 丢弃率为 30%，学习率为 0.00005。
- 选择 Adam 优化器，轮数参数设置为 30。
- 在数字数据编码中，层数和头数设置为 3。

1.3 对比模型介绍

• BERT ：谷歌推出的语言转换模型，是在大型语料库上预训练的通用语言模型，用于自然语言处理任务需经过预训练和微调两个步骤。
• XLNet ：2019 年由卡内基梅隆大学和谷歌大脑团队发布的 BERT 变体，在 20 个任务上优