当前位置: 首页 > 综合 > 正文

曾子明教授课题组在检测社交媒体的讽刺型网络欺凌现象中取得新进展

发布时间:2024-04-17浏览次数:

通讯员李婷婷)近日,我院曾子明教授团队和博士生李婷婷、李青青、孙守强合著的学术论文“Integrating GIN-based multimodal feature transformation and multi-feature combination voting for irony-aware cyberbullying detection”在国际顶级管理学期刊Information Processing & Management 2024年第3期发表。

社交媒体已经成为流行的信息传播平台,各类舆情事件在网络中层出不穷,互联网的可匿名性为网民恣意评论舆情事件和舆情当事人提供了土壤,导致网络欺凌事件频频发生。由网络舆情演化而来的网络欺凌事件传播速度快,影响范围广,对当事人造成了极大的伤害。

现有的网络欺凌检测研究主要集中在直接型网络欺凌内容的检测,即直接涉及攻击或不尊重等言论的检测。然而,随着网络用户表达形式的多样化,在社交媒体中使用讽刺、戏虐、挖苦等形式进行网络欺凌的现象逐渐增多。讽刺型网络欺凌同样会对受害者造成严重的身心伤害,使其自尊心受损、陷入抑郁、诱发自残,甚至导致自杀等极端行为。因此,发现社交媒体中的讽刺型网络欺凌现象,利于舆情监管部门更全面地阻止网络欺凌行为的蔓延。

在这篇文章中,作者指出讽刺是一种复杂的语言表达形式,其含义和效果可能因语境、文化差异和个人观点而有所不同,且讽刺型网络欺凌通常发生在特定舆论事件中,并时常伴有褒词贬用的情况。讽刺型网络欺凌不仅需要对其字面意思进行理解,还需要基于语境和外部环境进行更复杂的理解。因此,作者结合多模态数据,提出了基于GIN特征转换的多模态特征构建方法和多特征组合投票策略,以检测社交媒体中的讽刺型网络欺凌内容。基于GIN特征转换的多模态特征构建方法利用GIN的消息传递和聚合操作来转换多模态特征,丰富了数据结构信息。多特征组合投票策略对构建的多模态特征和单模态特征之间多种组合的预测结果进行软投票,减少了数据结构信息偏差。

研究结果显示基于GIN特征转换的多模态特征构建方法和多特征组合投票策略能显著提升了讽刺型网络欺凌的检测效果,有助于舆情监管部门更全面地发现社交媒体中的网络欺凌现象。检测结果的显著性也验证了讽刺型网络欺凌检测研究的可行性,这为深入探索网络欺凌问题提供了新的发展方向。

论文链接:https://www.sciencedirect.com/science/article/pii/S0306457324000116