Hate Speech Detection on Twitter: A Social-Aware Approach

Διπλωματική Εργασία uoadl:2940331 151 Αναγνώσεις

Μονάδα:
Κατεύθυνση Διαχείριση Δεδομένων, Πληροφορίας και Γνώσης
Πληροφορική
Ημερομηνία κατάθεσης:
2021-04-07
Έτος εκπόνησης:
2021
Συγγραφέας:
Αποστολόπουλος Γεώργιος
Στοιχεία επιβλεπόντων καθηγητών:
Αλέξιος Δελής, Καθηγητής, Πληροφορικής και Τηλεπικοινωνιών, Εθνικό και Καποδιστριακο Πανεπιστήμιο Αθηνών
Πρωτότυπος Τίτλος:
Hate Speech Detection on Twitter: A Social-Aware Approach
Γλώσσες εργασίας:
Αγγλικά
Ελληνικά
Μεταφρασμένος τίτλος:
Εύρεση Υβριστικού Λόγου στο Twitter: Μια Προσέγγιση με Ανάλυση Κοινωνικών Δικτύων
Περίληψη:
Η ανάλυση συναισθημάτων αναφέρεται στη διαδικασία λήψης πληροφορίας σχετικά με την αντίληψη του χρήστη για ένα προιόν, μια υπηρεσία, μια διασημότητα, έναν πολιτικό ή ακόμα και μια γενικότερη ιδέα ή συμπεριφορά.
Στην παρούσα διπλωματική εργασία, θα γίνει προσπάθεια εντοπισμού υβριστικού λόγου στο Twitter.
Το μίσος, είναι ένα πολύ ισχυρό συναίσθημα, καθώς, όταν εκφράζεται χωρίς περιορισμό, δύναται να καταστρέψει την ποιότητα μιας συζήτησης.
Επιπλέον, το μίσος συνήθως συνοδεύεται από ύβρεις κι απειλές.
Συνεπώς, η προσπάθεια εντοπισμού του μίσους στα κοινωνικά δίκτυα όπως το Twitter, είναι μια διαδικασία που πρέπει να υλοποιηθεί προσεκτικά.
Ωστόσο, δεν είναι εφικτό να πραγματοποιηθεί χειροκίνητα, καθώς, στις μέρες μας, η κίνηση στα κοινωνικά δίκτυα αυξάνεται κι όλο και περισσότεροι άνθρωποι χρησιμοποιούν διαδικτυακές εφαρμογές κι εργαλεία.
Κατά συνέπεια, μέσω αυτοματοποιημένων μεθόδων, η προσπάθεια αυτή δύναται να απλοποιηθεί.
Επιπροσθέτως, έρευνες έχουν υλοποιηθεί σχετικά με τα κατάλληλα εργαλεία για την απλούστευση του συγκεκριμένου έργου, με την πλειοψηφία να χρησιμοποιεί μηχανική μάθηση.
Στην παρούσα εργασία, προσπαθούμε να εντοπίσουμε το μίσος στο Twitter μέσω υφιστάμενων μεθόδων και τεχνικών.
Παράλληλα, θα ακολουθήσουμε μια τεχνική βασισμένη στην ανάλυση κοινωνικών δικτύων, αξιοποιώντας τα χαρακτηριστικά του χρήστη (αριθμός ακολούθων, αριθμός tweets κλπ.) και λαμβάνοντας υπόψη όλες τις πιθανές μετρικές που θεωρούνται σημαντικές.
Kλείνοντας, επιχειρούμε συνδυασμό των ανωτέρω τεχνικών, με σκοπό να διαπιστωθεί κατά πόσο είναι εφικτή μια σημαντική βελτίωση στη διαδικασία εύρεσης υβριστικού κειμένου.
Κύρια θεματική κατηγορία:
Τεχνολογία – Πληροφορική
Λέξεις-κλειδιά:
μίσος, κοινωνικά δίκτυα, twitter, νευρωνικά δίκτυα, βαθιά μηχανική μάθηση, κατηγοριοποίηση κειμένου, κατηγοριοποίηση με χαρακτηριστικά χρήστη
Ευρετήριο:
Ναι
Αρ. σελίδων ευρετηρίου:
3
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
17
Αριθμός σελίδων:
44