[论文解读] Cyberbullying in Text Content Detection: An Analytical Review
本文对文本中的网络欺凌检测进行了系统性文献回顾，分析了检测方法、数据集、法律框架及挑战。研究识别出机器学习与自然语言处理（NLP）为主要检测技术，突出强调了Trace数据集作为关键资源，并评估了各大洲的网络欺凌法律，强调了改进数据集和实现法律协调化对推动检测研究的迫切需求。
Technological advancements have resulted in an exponential increase in the use of online social networks (OSNs) worldwide. While online social networks provide a great communication medium, they also increase the user's exposure to life-threatening situations such as suicide, eating disorder, cybercrime, compulsive behavior, anxiety, and depression. To tackle the issue of cyberbullying, most existing literature focuses on developing approaches to identifying factors and understanding the textual factors associated with cyberbullying. While most of these approaches have brought great success in cyberbullying research, data availability needed to develop model detection remains a challenge in the research space. This paper conducts a comprehensive literature review to provide an understanding of cyberbullying detection.
研究动机与目标
- 分析当前使用机器学习和自然语言处理技术进行文本中网络欺凌检测的方法。
- 识别在训练检测模型时数据集可用性与质量方面面临的关键挑战。
- 考察不同大洲的网络欺凌立法对检测与执法的影响。
- 评估社交媒体平台、教育工作者和执法机构在减轻网络欺凌中的作用。
- 为网络欺凌检测与数据集开发的未来研究提供建议。
提出的方法
- 采用Di-CARE方法进行系统性文献回顾，以识别和筛选相关研究。
- 收集并分析聚焦于网络欺凌检测、形式及法律框架的同行评审出版物。
- 评估包括机器学习、深度学习和自然语言处理在内的检测技术。
- 审查现有数据集，如用于网络欺凌检测研究的Trace数据集。
- 分析美国、加拿大、澳大利亚及其他地区的网络欺凌法律，以评估其法律影响。
- 仅使用预定义的英文搜索词，排除非同行评审的出版物。
实验结果
研究问题
- RQ1网络欺凌检测研究中的主要问题是什么，特别是数据可用性方面？
- RQ2不同大洲现有的法律与立法如何影响网络欺凌的检测与执法？
- RQ3在文本中检测网络欺凌时，最有效的机器学习与自然语言处理技术是什么？
- RQ4诸如挑衅、骚扰和人肉搜索等形式的网络欺凌如何影响检测模型的性能？
- RQ5社交媒体平台、教育工作者和执法机构在减轻网络欺凌中发挥什么作用？
主要发现
- 大多数网络欺凌检测研究依赖于机器学习与自然语言处理技术，深度学习在高级检测方面展现出强大潜力。
- Trace数据集是在网络欺凌研究中使用最广泛的数据集，但研究人员强调需要更多样化且高质量的数据集。
- 在美国，49个州拥有传统欺凌法律，40个州有电子骚扰法律，14个州明确针对网络欺凌，处罚包括最高六个月监禁或1,000美元罚款。
- 加拿大的《 penal code》第264(2)(b)条将重复的网络联系视为刑事犯罪，最高可判处10年监禁。
- 澳大利亚新南威尔士州的法律将针对个人的网络欺凌定为犯罪，且可扩展适用于其他形式的网络暴力。
- 加纳对社交媒体上的网络欺凌处以6至36个月监禁，而英国、瑞士和西班牙目前尚无专门的网络欺凌立法。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。