基于跨层连接的多通道DBiSAC网络欺凌检测模型

摘要：

目的:网络欺凌文本存在特征稀疏、用词不规范、语义模糊等问题,导致简单的神经网络无法充分提取其语义特征和句法特征.因此,提出了一种基于跨层连接的多通道DBiSAC网络欺凌检测模型.方法:先利用Glove预训练模型实现文本的词向量化表示.其次构建并行的多尺度深度可分离卷积(M SDSC)和采用了跨层连接策略的双向简单循环(CBiSRU)的多通道特征提取网络,分别提取文本的局部特征和提取文本的上下文中语义信息的全局特征.再将局部特征和全局特征拼接之后利用多头注意力机制(MHA)对其重要特征信息进行捕捉.然后利用胶囊网络(Capsnet)对文本序列中空间层次的语义特征进行提取.最后将提取的文本特征信息通过含有Softmax函数的全连接层分类器输出分类结果.结果:实验表明,提出的模型在两个网络欺凌的数据集上均取得了最优的结果.结论:本文模型在能够有效提高模型准确率..

关键词：网络欺凌、跨层连接、深度可分类卷积、简单循环单元、注意力机制、胶囊网络

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：基于大数据架构的公安信息化应用公安部重点实验室开放课题;浙江省公益技术应用研究项目

在线出版日期：2023-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：92-100