换一批摘要[目的]通过构建语料库和识别模型,为完善网络暴力治理体系、营造和谐网络环境提供强有力的技术支持,助力网络空间的健康发展.[方法]选取 2022 年 7 月至 2023 年 1 月期间新浪微博平台上的 10 个热点事件,利用Python爬虫获取事件相关微博的评论文本及相关数据.结合文本特征、情感特征和用户特征,采用Adaboost算法进行实验,测试网络暴力识别效果.[结果]不同事件网暴持续时长有明显差异,但集中在事件发生前期.最优结果的准确率、精确度、召回率、F1 值分别为 0.769、0.758、0.769、0.729.不结合用户特征获得的结果比上述最优结果均降低约 0.01.[结论]结合 3 类特征进行网络暴力行为识别可以得到良好的识别效果,结合用户特征在一定程度上可以提高网络暴力识别的效果.关注网络暴力语言的演变或纳入多维度的信息可进一步提高识别效果,从而强化网络暴力信息治理,营造良好的网络生态.
更多相关知识
关键词
网络暴力识别机器学习社交媒体用户特征cyberbullying detectionmachine learningsocial mediathe characteristics of users
栏目名称
DOI
10.3969/j.issn.1003-2800.2025.11.003
发布时间
2025-11-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
教育部春晖计划（HZKY20220326）
- 浏览4
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
