Biblioteca121.270 documentos en línea

Artículo

Cyberbullying detection in multimodal data using pre-trained deep learning architecturesDetección de acoso cibernético en datos multimodales utilizando arquitecturas de aprendizaje profundo pre-entrenado

Resumen

El ciberacoso es un gran reto en la era de las redes sociales. Las formas de acoso aumentan con el incremento de las tecnologías digitales. En el pasado, la mayor parte del acoso se producía a través de mensajes de texto. Ahora los acosadores se aprovechan de la tecnología e intentan acosar a otros de diferentes formas, como imágenes, vídeos y emojis. En este artículo proponemos un método para identificar el ciberacoso a partir de combinaciones de datos de texto e imágenes. Utilizamos las arquitecturas de aprendizaje profundo RoBERTa y Xception para generar incrustaciones de palabras a partir de los datos de texto y la imagen, respectivamente. El clasificador LightGBM se utiliza para clasificar los tweets de acoso y no acoso. Los experimentos se realizaron con 2100 muestras de datos combinados de texto e imagen. El método propuesto clasifica eficazmente los datos de acoso con una puntuación F1 del 80% y supera a los métodos existentes.

1. INTRODUCCIÓN

Las redes sociales como Facebook, Twitter, Instagram, etc... reúnen a un gran número de personas en un mismo lugar, independientemente de las fronteras de todo el mundo. Según las estadísticas de Statista*, un informe basado en Internet, la población actual de las redes sociales asciende a 4.140 millones de personas, lo que supone más de la mitad de la población mundial total. Por un lado, la popularidad y el aumento del número de usuarios de las plataformas de redes sociales atraen también actividades ilícitas, delictivas e ilegales llevadas a cabo por usuarios ilegítimos, como la incitación al odio en línea, el trolling en línea, el ciberacoso, etc. Una de las actividades más dañinas que afectan a los adolescentes y jóvenes de las redes sociales es el ciberacoso. Las adolescentes son víctimas más afectadas que los chicos (34,5% chicos y 38,5% chicas)[1] . El ciberacoso se produce cuando las plataformas digitales se utilizan como medio para intimidar a alguien avergonzándolo, degradándolo y rebajándolo, lo que puede provocar trastornos mentales. Provoca trastornos psicológicos graves [2] y a veces deja a las víctimas con tendencias suicidas. Desde 2010, los casos de ciberacoso han aumentado rápidamente a medida que más niños se convierten en blanco del acoso. El ciberacoso es un delito más atroz que el acoso tradicional, ya que ocurre en cualquier momento y en cualquier lugar. Uno de los mayores retos a los que se enfrenta el ciberacoso es su rápida propagación. Muchas veces, las víctimas del ciberacoso no comparten sus experiencias con los demás, lo que crea otro problema.

Con el rápido aumento de las tecnologías digitales en las dos últimas décadas, los internautas comparten sus opiniones a través de distintos formatos, como mensajes de texto, imágenes, vídeos y emojis. Debido a la existencia de abundantes formas de expresión de datos, el ciberacoso se convierte en una tarea difícil.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño:6776 Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento

  • Titulo:Cyberbullying detection in multimodal data using pre-trained deep learning architectures
  • Autor:Pericherla, S.; Ilavarasa, E.
  • Tipo:Artículo
  • Año:2021
  • Idioma:Inglés
  • Editor:Ediciones Universidad Cooperativa de Colombia
  • Materias:Seguridad cibernética Redes sociales Amenazas cibernéticas
  • Descarga:0