DÉDUCTION EFFICACE DE LANGUE OFFENSIVE UTILISANT L'APPRENTISSAGE PROFONDE DANS LES MÉDIAS SOCIAUX

Résumé

La détection du langage offensant est la technique permettant d'identifier et de détecter les commentaires offensants générés par les utilisateurs, tels que les insultes, la douleur, les grossièretés et le racisme, qui ciblent un individu ou un groupe spécifique sur les réseaux sociaux. À mesure que les plateformes de médias sociaux deviennent plus importantes, les propos offensants sont plus fréquemment utilisés, ce qui constitue un défi majeur dans la société moderne. Une nouvelle technique efficace de classification des langages offensants (EOLC) a été proposée pour surmonter ces défis. Des tweets en anglais de YouTube et X (Twitter) avec des tweets offensants, doux, grossiers et non offensants sont utilisés dans cet article. Initialement, les tweets et les commentaires sont prétraités et les fonctionnalités sont extraites à l'aide de différentes techniques, à savoir la fréquence des documents à fréquence inverse (TF-IDF), WordVec et les fonctionnalités basées sur le lexique. Les caractéristiques extraites sont classées à l'aide de la méthode d'apprentissage profond basée sur des graphiques (GDL) pour la représentation numérique et la prise de décision. Le réseau GDL est optimisé avec l'optimisation du renard rouge (RFO) pour normaliser le poids et les biais du réseau et obtenir une meilleure précision. Le modèle GDL proposé atteint les niveaux de précision de classification les plus élevés sur les ensembles de données X (Twitter) et YouTube, avec respectivement 95,5 % et 96,8 %. Les résultats obtenus avec GDL sont plus précis et de meilleure qualité que ceux obtenus avec les classificateurs traditionnels. La méthode EOLC proposée améliore la précision globale de 5,56 %, 7,4 %, 7,7 % et 10,2 % de mieux que Text CNN, CNN-LSTM, DRNN et LogitBoost, respectivement.