A moderált online étkezési rendellenességek tartalmának multimodális osztályozása

Georgia Műszaki Intézet, Atlanta, GA, USA

Yahoo Research, San Francisco, Kalifornia, USA

Georgia Műszaki Intézet, Atlanta, GA, USA

Georgia Tech, Atlanta, GA, USA

Centrum Wiskunde & Informatica (CWI), Amszterdam, Hollandia

Új hivatkozási figyelmeztetés hozzáadva!

Ezt a riasztást sikeresen hozzáadtuk, és elküldjük a következő címre:

Értesítést kapunk, ha az Ön által kiválasztott rekordot idézik.

A riasztási beállítások kezeléséhez kattintson az alábbi gombra.

Új idézőjelzés!

Mentés a Binder-be

CHI '17: A számítástechnikai rendszerek emberi tényezőiről szóló 2017. évi CHI konferencia anyagai

ABSZTRAKT

A közösségi oldalakat mind az online deviáns magatartás mértéke, mind változatossága megkérdőjelezi. Míg az algoritmusok képesek felismerni a spameket és a trágárságokat, az egyes webhelyeken a közösségi irányelveket megsértő magatartásmódok nehézkesek, mivel multimodális finomságokkal (képek és/vagy szövegek) rendelkeznek. Ezeknek a bejegyzéseknek az azonosítását gyakran néhány moderátor szabályozza. Ebben a cikkben kidolgozunk egy mély tanulási osztályozót, amely együtt modellezi az étkezést zavaró tartalom szöveges és vizuális jellemzőit, amelyek megsértik a közösségi irányelveket. Millió Tumblr fotóbejegyzés segítségével osztályozónk hatékonyan fedezi fel a deviáns tartalmat, miközben magas visszahívhatóságot is fenntart (85%). Megközelítésünk az emberi érzékenységet használja végig, hogy e megközelítés létrehozását, kezelését és megértését a kihívást jelentő, deviáns tartalom felé terelje. Megbeszéljük, hogy az automatizálás hogyan befolyásolhatja a közösség mértékletességét, valamint e terület etikai és társadalmi kötelezettségeit.

Teljes hozzáférés ehhez a kiadványhoz

Vásárolja meg, fizessen elő vagy ajánlja ezt a kiadványt a könyvtárosának.