16、孟加拉语文本网络攻击检测中的多级投票模型

孟加拉语文本网络攻击检测中的多级投票模型

1. 引言

社交媒体平台的广泛普及极大地影响了人们的生活，使人们能够比以往更自由地表达观点和想法。像 Twitter 和 Facebook 这样的社交网络平台，深受人们尤其是青少年的喜爱，已成为日常生活中不可或缺的一部分。

然而，这些社交媒体的大量使用也带来了一些负面影响，青少年常常成为网络欺凌的受害者。网络欺凌包括攻击性言论、性别歧视、种族主义、骚扰、有毒信息和仇恨言论等，这些有害文本可能导致受害者出现自我伤害、抑郁、压力、情绪挫折甚至自杀念头或行为。据皮尤研究中心报告，美国超 60% 的社交媒体用户曾遭受网络欺凌，青少年尤其是女孩受影响更严重。

为减少网络欺凌，人们实施了多种预防策略，但检测孟加拉语文本中的攻击性语言是一项艰巨任务。社交媒体消息中的非正式语言，如缩写和俚语，以及孟加拉语方言和句式的多样性，增加了分类器处理和理解语义的难度，影响了分类器的性能。

为实现孟加拉语文本攻击性内容的自动检测，我们着手识别从不同社交媒体获取的孟加拉语攻击性内容。采用了双层集成模型（DLE）和三层集成模型（TLE），结合多种监督学习模型和特征提取技术，将帖子自动分为“有毒”和“无毒”两类。实验结果显示，我们的模型优于单个分类器技术（支持向量机、逻辑回归、决策树模型、多项朴素贝叶斯、K 近邻）和集成策略（梯度提升分类器、AdaBoost 和随机森林）。

2. 相关工作

近期，人们开发了多种研究社交媒体滥用的方法，以下是一些相关研究：
- 英语数据研究 ：
- Alam 等人提出一种机器学习算法，用于检测和避免 Twitter 上的