80、孟加拉语性别辱骂语言检测与电动道路区块链支付系统

孟加拉语性别辱骂语言检测与电动道路区块链支付系统

孟加拉语性别辱骂语言检测

在社交媒体日益普及的今天，性别辱骂语言的检测成为维护良好网络环境的重要任务。尤其是在孟加拉语的社交媒体场景中，这方面的研究相对较少。

为了解决这个问题，研究人员收集了相关数据，并进行了预处理，然后运用多种机器学习算法对数据进行分类。这些算法包括逻辑回归（LR）、决策树（DT）、随机森林（RF）、K近邻（KNN）、支持向量机（SVM）和朴素贝叶斯（NB）。以下是这些模型在训练数据集和测试数据集上的表现对比：

训练数据集模型表现对比
| 模型 | 混淆矩阵 | F1分数 | AUROC值 | 准确率 |
| — | — | — | — | — |
| LR | [[966, 211], [214, 1037]] | 0.829932 | 0.89 | 0.824959 |
| DT | [[848, 329], [305, 946]] | 0.749010 | 0.74 | 0.73888 |
| RF | [[940, 237], [255, 996]] | 0.801932 | 0.86 | 0.797364 |
| KNN | [[320, 857], [113, 1138]] | 0.701171 | 0.66 | 0.600494 |
| SVM | [[991, 186], [214, 1037]] | 0.838319 | 0.89 | 0.835255 |
| NB | [[965, 212], [173, 1078]] | 0.848485 | 0.91 | 0.841433