Αναζήτηση

Πλοήγηση

• Κοινότητες
• Συγγραφείς
• Έτος
• Τίτλοι
• Θέματα

Ο Χώρος μου

• Είσοδος

Ανάλυση μέσων κοινωνικής δικτύωσης εστιασμένης στην ανίχνευση Troll

Koutra Panagiota

Πλήρης Εγγραφή

---

Περίληψη

Τα μέσα κοινωνικής δικτύωσης έχουν μεταμορφώσει τον τρόπο με τον οποίοοι άνθρωποι αλληλεπιδρούν, μοιράζονται πληροφορίες και εκφράζουν απόψεις,ωστόσο έχουν εισάγει σημαντικές προκλήσεις, ιδίως την αύξηση της συμπερι-φοράς τρολαρίσματος. Το τρολάρισμα περιλαμβάνει τη δημοσίευση μηνυμάτωνμε καυστικό λόγο, μηνυμάτων που έχουν σκοπό να διαταρράξουν τον διαδι-κτυακό διάλογο, που διαδίδουν παραπληροφόρηση και καλλιεργούν ένα τοξικόπεριβάλλον. Η παρούσα διπλωματική εργασία ασχολείται με την δημιουργία με-θόδων ανίχνευσης τρολ χρησιμοποιώντας τεχνικές τεχνητής νοημοσύνης (AI)και της επεξεργασίας φυσικής γλώσσας (NLP).Η ανίχνευση τρολ προσεγγίζεται μέσω της τεχνικής text classification, η οποίακατηγοριοποιεί περιεχόμενο από τα μέσα κοινωνικής δικτύωσης ως τρολ και μητρολ χρησιμοποιώντας διάφορους αλγορίθμους μηχανικής μάθησης. Η παρούσαεργασία συγκρίνει τις τεχνικές Logistic Regression, Naive Bayes, SVM και τοpre - trained μοντέλο DeBERTa. Τα αποτελέσματα δείχνουν ότι το μοντέλοDeBERTa υπερτερεί των άλλων μεθόδων, αξιολογώντας την απόδοσή τους μετις μετρικές accuracy, precision, F1-score, και recall.Επιπλέον, η παρούσα έρευνα εξετάζει τις δυνατότητες γενίκευσης του μοντέλουDeBERTa, δοκιμάζοντάς το σε άγνωστα δεδομένα από διαφορετικές πηγές μέσωπροβλέψεων. Το μοντέλο παρουσιάζει ικανοποιητικές επιδόσεις σε zero-shotpredictions και ακριβείς σε one-shot predictions.Η τελική φάση επικεντρώνεται στην ανάπτυξη ενός γενικού μοντέλου που προ-βλέπει με ακρίβεια τη συμπεριφορά του τρολαρίσματος σε διαφορετικά σύνολαδεδομένων με διαφορετικούς τύπους τρολ. Εφαρμόζεται Scale-invariant FineTuning (SiFT) για τη βελτίωση των επιδόσεων του μοντέλου και παρουσιάζεται σημαντική βελτίωση.

Διαθέσιμα αρχεία

Υπηρεσίες