عنوان الإطروحه |
An Enhanced Approach for cyberbullying Detection using Ensemble Learning
|
تاريخ مناقشة الاطروحه |
2021-05-26 |
اسم الطالب |
الاء ناجح غريب الغرايبه
|
المشرف |
اكرم عارف نايف مصطفى حمارشة |
|
المشرف المشارك |
محمد العثمان
|
اعضاء لجنة المناقشة |
| نجاح مثقال علي الشنابله |
| احمد حسين امين القرم |
|
الكلية |
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات |
القسم |
علم الحاسوب |
الملخص بالعربية |
التسلط عبر الإنترنت هو اتجاه ظاهرة تؤثر بشكل سلبي على الناس قد يعاني ضحايا التنمر عبر الإنترنت من مجموعة متنوعة من الاضطرابات العقلية ، من الاكتئاب إلى تدني احترام الذات و مع ظهور مواقع التواصل الاجتماعي ، تزداد ظاهرة التنمر عبر الإنترنت. تشمل طرق مكافحة التنمر عبر الإنترنت تطبيق القواعد والمبادئ التوجيهية و الطرق التقليدية ، واستخدام قائمة الكلمات البذيئة والتعبيرات اليدوية اليومية عن التنمر عبر الإنترنت. ومع ذلك ، في وسائل التواصل الاجتماعي ، هذه العمليات محدودة وليست فعالة للغاية. يتعمد مستخدمو وسائل التواصل الاجتماعي استخدام كلمات مراوغة ، مثل المصطلحات البغيضة ، والتي تتطلب إنشاء نظام تعليمي متطور لتحديد هذه السلوكيات تلقائيًا. يعد التنمر عبر الإنترنت في وسائل التواصل الاجتماعي تحديًا لأن المصطلحات والعبارات المسيئة لمستخدمي وسائل التواصل الاجتماعي هي منشورات قصيرة وصاخبة وغير منظمة وغير واضحة عمدًا. في هذا البحث ، نهدف إلى استكشاف ومقارنة نهج التعلم الآلي والتعلم العميق لاكتشاف التنمر وإيجاد حل تقني للمساعدة في التعرف تلقائيًا على التنمر في وسائل التواصل الاجتماعي عالية الأداء. لفحص ما إذا كان الاختلاف في التنبؤ ذا دلالة إحصائية ، تم استخدام اختبار تصنيف الرتب Wilcoxon لإجراء مقارنات بين النماذج. تشير النتائج إلى أن (النموذج المدمج) حقق نفس أداء نموذج التعلم العميق على جميع مجموعات البيانات المستخدمة في هذا التقييم وتفوق على جميع مصنفات تعلم الآلي منفرده. |
الملخص بالانجليزي |
Cyberbullying is a trend that impacts people negatively. Cyberbullying victims suffer from a variety of psychological disorders, from depression to reduced self-confidence. As social media sites come into being, cyberbullying is becoming increasingly popular. Methods in combating cyberbullying include the implementation of norms and guidelines, the traditional use of human moderators, the use of profane words in a blacklist, and daily manual cyberbullying expressions. Nevertheless, in social media, these processes are limited and not well efficient. Intentionally evasive words are used by social media users, such as obscuring depreciating terms, which necessitate the creation of a sophisticated educational system to identify these behaviours automatically. Cyberbullying in social media is a challenge as the offensive terms and phrases of social media users are brief, noisy, and unstructured posts and intentionally blurred. In this research, we aim to explore and compare machine learning and deep learning to detect bullying and find a technological solution to help automatically identify bullying in social media with high performance. To examine if the difference in prediction is statistically significant, the Wilcoxon signed-rank test was used to conduct comparisons of the models. The results indicate that the Ensemble Model achieved the same performance as the Deep learning model and the Ensemble Model has a superior on all Machine Learning classifiers on all datasets used in this evaluation |
رقم ISN |
6834 |
|
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN
|
|