ABSTRACTDetection of abusive langua

ABSTRACT
Detection of abusive language in user generated online content
has become an issue of increasing importance in recent
years. Most current commercial methods make use of blacklists
and regular expressions, however these measures fall
short when contending with more subtle, less ham-fisted examples
of hate speech. In this work, we develop a machine
learning based method to detect hate speech on online user
comments from two domains which outperforms a state-ofthe-art
deep learning approach. We also develop a corpus of
user comments annotated for abusive language, the first of
its kind. Finally, we use our detection tool to analyze abusive
language over time and in different settings to further
enhance our knowledge of this behavior.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อการตรวจสอบของผู้ใช้ภาษาไม่เหมาะสมสร้างเนื้อหาออนไลน์กลายเป็นปัญหาสำคัญมากขึ้นล่าสุดปี วิธีเชิงพาณิชย์ที่ล่าสุดให้ใช้เนาและ นิพจน์ปกติ อย่างไรก็ตาม มาตรการเหล่านี้อยู่สั้นเมื่อ contending กับตัวอย่างลึกซึ้งยิ่งขึ้น ham-fisted น้อยของคำ ในงานนี้ เราได้พัฒนาเครื่องจักรการเรียนรู้ตามวิธีการตรวจสอบความเกลียดชังบนผู้ใช้ออนไลน์ความคิดเห็นจากโดเมนที่สองที่มีประสิทธิภาพสูงกว่ารัฐของศิลปะวิธีการเรียนรู้ที่ลึก นอกจากนี้เรายังพัฒนา corpus ของผู้แสดงความคิดเห็นคำอธิบายประกอบสำหรับภาษาที่ไม่เหมาะสม ครั้งแรกของของชนิด ในที่สุด เราใช้เครื่องมือตรวจวิเคราะห์ไม่เหมาะสมภาษา ตลอดเวลา และ ในการตั้งค่าต่าง ๆ เพื่อเพิ่มเพิ่มเรื่องของการทำงานนี้

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
การตรวจหาภาษาที่ไม่เหมาะสมในการที่ผู้ใช้สร้างเนื้อหาออนไลน์
ได้กลายเป็นปัญหาที่มีความสำคัญเพิ่มมากขึ้นในเร็ว ๆ
ปีที่ผ่านมา ส่วนใหญ่ใช้วิธีการเชิงพาณิชย์ในปัจจุบันทำให้การใช้งานของบัญชีดำ
และการแสดงออกปกติ แต่มาตรการเหล่านี้ตกอยู่
สั้น ๆ เมื่อยืนยันกับที่ลึกซึ้งยิ่งขึ้นตัวอย่างแฮมเหนียวน้อย
ของความเกลียดชัง ในงานนี้เราพัฒนาเครื่อง
วิธีการเรียนรู้ที่ใช้ในการตรวจสอบความเกลียดชังของผู้ใช้ออนไลน์
ความเห็นจากโดเมนที่สองซึ่งมีประสิทธิภาพดีกว่ารัฐ ofthe ศิลปะ
วิธีการเรียนรู้ลึก นอกจากนี้เรายังมีการพัฒนาคลังข้อมูลของ
ผู้ใช้ความคิดเห็นข้อเขียนสำหรับภาษาที่ไม่เหมาะสมเป็นครั้งแรกของ
ชนิด สุดท้ายเราใช้เครื่องมือตรวจสอบของเราที่ไม่เหมาะสมในการวิเคราะห์
ภาษาในช่วงเวลาและในการตั้งค่าที่แตกต่างกันเพื่อ
เสริมสร้างความรู้ของพฤติกรรมนี้ของเรา

ผลลัพธ์ (ไทย) 3:

บทคัดย่อการใช้ภาษาในผู้ใช้สร้างเนื้อหาออนไลน์ได้กลายเป็น ปัญหาของความสำคัญมากขึ้นในปีล่าสุดปี วิธีการเชิงพาณิชย์มากที่สุดในปัจจุบันใช้แบล๊กลิสต์และการแสดงออกปกติ อย่างไรก็ตามมาตรการเหล่านี้ตกสั้นเมื่อ contending กับสีสันมากขึ้น fisted ตัวอย่างน้อยแฮมเกลียดการพูด ในงานนี้ เราได้พัฒนาเครื่องการเรียนรู้โดยใช้วิธีการตรวจจับความเกลียดชังของผู้ใช้ออนไลน์ความคิดเห็นจากสองโดเมน ซึ่งมีประสิทธิภาพดีกว่ารัฐของศิลปะแนวทางการเรียนรู้ที่ลึก นอกจากนี้เรายังพัฒนาคลังข้อมูลของความคิดเห็นของผู้ใช้บันทึกย่อสำหรับการใช้ภาษา แรก ของชนิดของ เราก็ใช้เครื่องมือค้นหาของเราในการวิเคราะห์ที่ภาษาตลอดเวลา และในการตั้งค่าต่าง ๆ เพิ่มเติมเพิ่มความรู้ของพฤติกรรมนี้