PulseAugur
中
实时 10:38:00
English(EN) Comparative Analysis of AutoML and BiLSTM Models for Cyberbullying Detection on Indonesian Instagram Comments

研究比较 AutoML 和 BiLSTM 在印度尼西亚 Instagram 网络欺凌检测中的应用

作者 PulseAugur 编辑部 · [2 个来源] ·

本研究论文比较了自动化机器学习 (AutoML) 和双向长短期记忆 (BiLSTM) 模型在检测印度尼西亚 Instagram 评论中的网络欺凌行为。研究使用了包含 650 条评论的数据集，评估了逻辑回归等各种机器学习算法以及带有注意力机制的 BiLSTM 等深度学习模型。结果表明，在传统机器学习方法中，逻辑回归表现最佳，而带有注意力机制的 BiLSTM 在深度学习方面表现最好，这凸显了针对非正式印尼语文本进行定制化预处理的重要性。 AI

影响 为非正式语言的有效自然语言处理 (NLP) 技术提供了见解，可能有助于社交媒体平台进行内容审核。

排序理由 比较机器学习和深度学习模型在特定 NLP 任务中的学术论文。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

研究比较 AutoML 和 BiLSTM 在印度尼西亚 Instagram 网络欺凌检测中的应用

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Research
比较机器学习和深度学习模型在特定 NLP 任务中的学术论文。
Source corroboration
2 independent sources
Multiple independent publishers reporting the same story raises confidence that it's real and newsworthy.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
162 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Raihana Adelia Putri, Aisyah Musfirah, Anggi Puspita Ningrum, Luluk Muthoharoh, Ardika Satria, Martin Clinton Tosima Manullang ·

    面向印度尼西亚Instagram评论网络欺凌检测的AutoML与BiLSTM模型比较分析

    arXiv:2604.26229v1 Announce Type: new Abstract: This study compares machine learning and deep learning approaches for cyberbullying detection in Indonesian-language Instagram comments. Using a balanced dataset of 650 comments labeled as Bullying and Non-Bullying, the study evalua…

  2. arXiv cs.CL TIER_1 English(EN) · Martin Clinton Tosima Manullang ·

    面向印度尼西亚Instagram评论网络欺凌检测的AutoML与BiLSTM模型比较分析

    This study compares machine learning and deep learning approaches for cyberbullying detection in Indonesian-language Instagram comments. Using a balanced dataset of 650 comments labeled as Bullying and Non-Bullying, the study evaluates Naive Bayes, Logistic Regression, and Suppor…

相关实体

相关话题