针对泰米尔语社交媒体中网络欺凌行为的多层次语言与情感建模方法

《Expert Systems with Applications》：Multi-Tier Linguistic and Emotional Modeling for Cyberbullying Detection in Tamil Social Media

本研究针对泰米尔语网络欺凌检测，构建了多层级框架，整合文本嵌入、规则过滤、上下文学习及混合分类器，在47,692条标注数据上达到84%准确率，突出文化适应与伦理隐私。

　　在数字时代的背景下，网络欺凌已成为一个日益严重的问题，尤其是在社交媒体平台上。随着社交网络的迅速发展，网络欺凌的形式和规模也不断演变，给内容审核和社区管理带来了新的挑战。特别是在一些资源有限的语言环境中，如泰米尔语，网络欺凌的研究和检测工作仍然非常有限。因此，本研究提出了一种新的多层级计算框架，旨在为泰米尔语社交媒体内容中的网络欺凌检测提供文化敏感性的解决方案。

本研究的核心成果之一是构建了一个名为“泰米尔网络欺凌（Tamil Cyberbullying, TCB）”的数据集，该数据集包含47,692条经过人工标注的推文。这些推文涵盖了基于年龄、性别、种族、宗教等不同维度的欺凌行为以及非欺凌内容。数据集的建立为后续的研究提供了重要的基础资源，同时也为模型的训练和评估提供了真实、多样化的数据支持。通过这一数据集，研究者可以更全面地理解泰米尔语网络欺凌的特征，从而开发出更有效的检测方法。

为了实现网络欺凌的检测，本研究提出了一种多层级的计算框架。该框架结合了多种先进的自然语言处理（NLP）技术和深度学习模型，以确保对泰米尔语文本的全面分析。首先，框架利用FastText进行语言嵌入，同时采用TF-IDF方法进行噪声过滤，以提高文本特征的准确性。接下来，使用Aho-Corasick算法进行基于规则的过滤，以识别具有攻击性的词汇模式。此外，框架还引入了细调后的mBERT模型，用于上下文表示学习，以捕捉更深层次的语义信息。在情感分析方面，采用双向长短期记忆网络（BiLSTM）和情感-原因对提取（Emotion-Cause Pair Extraction, ECPE）技术，以分析文本中的情感和情绪表达。最后，通过结合卷积神经网络（CNN）和图神经网络（GNN）模块，构建了一个混合分类模型，以实现对网络欺凌行为的高效识别。

在实验结果方面，该框架在泰米尔语网络欺凌检测任务中表现出了优异的性能。模型的准确率达到84.00%，显著优于现有的多语言变压器模型和大型语言模型（Large Language Models, LLMs），如LLAMA3.1和Mistral-405B。此外，模型的精确度、召回率和F1分数分别为82.28%、83.28%和82.75%，显示出良好的检测能力。这些结果表明，通过结合多种技术手段，可以有效提升网络欺凌检测的准确性，尤其是在资源有限的语言环境中。

为了验证模型的有效性，本研究还进行了消融实验，分析了各个层级对整体性能的贡献。实验结果表明，每个层级在检测过程中都起到了关键作用，尤其是在处理泰米尔语中的隐含形式和文化敏感内容方面。例如，模型在处理基于种姓的侮辱、性别歧视以及文化负载的隐喻时表现出较高的敏感性，这些内容往往难以通过直接的文本分析来识别。因此，通过引入文化适应和情感建模策略，可以更好地捕捉泰米尔语网络欺凌的复杂性。

此外，本研究还进行了人机对比分析，将模型的预测结果与母语者的标注进行比较，以评估模型对文化背景和隐含情感内容的敏感性。分析结果表明，该框架在识别文化相关的表达和情感内容方面表现优异，为网络欺凌的检测提供了更加精准和可靠的工具。这种基于文化背景的检测方法，有助于提高模型在不同语言环境中的适应性和有效性。

在伦理和数据隐私方面，本研究严格遵守相关的伦理规范，确保所有数据的处理符合隐私保护和权利尊重的要求。由于网络欺凌内容具有高度的敏感性，因此在数据收集、处理和分析过程中，采取了多种措施来保护个体的隐私。所有数据均经过匿名化处理，个人身份信息被删除或模糊化，以确保数据的使用不会对个体造成伤害。同时，数据来源于公开的推文，避免了对私人通信的访问，确保了数据的合法性和合规性。

在实际应用中，该框架不仅能够有效检测网络欺凌行为，还能够为多语言环境下的内容审核提供可扩展的解决方案。通过结合不同的技术手段，该框架能够适应不同语言社区的需求，特别是在资源有限的语言环境中，提供更加精准和有效的检测工具。此外，该框架的模块化设计也使得其能够灵活地应用于其他低资源语言，如马拉雅拉姆语或卡纳达语，为全球范围内的网络欺凌检测提供了新的思路。

本研究的成果不仅限于技术层面，还涉及社会和文化层面的考虑。通过构建一个文化敏感的检测框架，研究者能够更好地理解网络欺凌在不同社会背景下的表现形式，从而制定更加符合当地文化需求的解决方案。这种跨文化的检测方法，有助于减少因文化差异导致的误判，提高检测的准确性和公平性。

在未来的方向中，本研究建议进一步扩展数据集的规模，涵盖更多样化的网络欺凌类型，以提高模型的泛化能力。此外，还可以探索更多先进的深度学习模型，以提升检测的效率和准确性。同时，研究者还应关注模型的可解释性，确保其决策过程透明，便于用户理解和信任。最后，应加强与不同语言社区的合作，推动更多文化敏感的检测方法的发展，以应对网络欺凌在全球范围内的挑战。

综上所述，本研究通过构建一个文化敏感的多层级计算框架，为泰米尔语社交媒体内容中的网络欺凌检测提供了新的解决方案。该框架结合了多种先进的自然语言处理技术和深度学习模型，能够有效识别网络欺凌行为，提高检测的准确性和可靠性。同时，该框架在伦理和数据隐私方面也表现出高度的重视，确保了数据的合法性和合规性。通过本研究的成果，可以为全球范围内的网络欺凌检测提供新的思路和方法，特别是在资源有限的语言环境中，为构建更加公平和有效的内容审核系统做出贡献。