16、经典与深度学习技术在滥用内容检测及社交媒体对社会运动贡献的研究

经典与深度学习技术在滥用内容检测及社交媒体对社会运动贡献的研究

在当今数字化时代，自动检测滥用内容以及理解社交媒体在社会运动中的作用是两个备受关注的领域。本文将深入探讨这两个方面的研究，包括不同机器学习模型在检测滥用内容上的表现，以及社交媒体在抗议活动中的独特作用。

1. 滥用内容检测：经典与深度学习模型对比

在检测滥用用户帖子的任务中，研究人员对比了经典的支持向量机（SVM）分类器和基于深度学习的卷积神经网络（CNN）、循环神经网络（RNN）。实验使用了九种不同的数据集，旨在评估这些模型的性能。

1.1 基线分类实验结果

实验对比了四种配置的分类器在九个数据集上的滥用召回率和平均召回率，具体数据如下表所示：
| 数据集 | Ngrams+SVM | Avg. WV+SVM | WV+CNN | WV+RNN |
| — | — | — | — | — |
| D1 | 70(75) | 65(71) | 73(73) | 68(73) |
| D2 | 35(62) | 30(59) | 4(51) | 6(51) |
| D3 | 91(93) | 66(76) | 93(95) | 81(89) |
| D4 | 62(77) | 59(74) | 34(66) | 45(71) |
| D5 | 58(78) | 58(76) | 57(78) | 50(75) |
| D6 | 12(56) | 51(71) | 11(55) | 14(57) |
| D7 | 18(58) | 48(68) | 14(57) | 18(58) |
| D8 |