TRANSFORMATÖR-TABANLI EVRİŞİMLİ SİNİR AĞI MODELİ KULLANARAK TWITTER VERİSİNDE SALDIRGANLIK TESPİTİ

Abstract

Çevrimiçi ortamlar, insanların sosyal etkileşimlerinde anti-sosyal davranışların artmasını kolaylaştırmaktadır. Sosyal medya kullanımının yaygınlaşmasıyla özellikle son yıllarda nefret söylemleri, siber zorbalık ve trolleme gibi davranışlar önemli ölçüde artmıştır. Saldırgan ve nefret içerikli söylemlerin tespiti siber zorbalıkların azaltılması ve engellenmesinde önemli bir adımdır. Siber zorbalık, sosyal medya üzerinden nefret dolu, saldırgan, kaba, aşağılayıcı ve alaycı ifadeler kullanarak diğer bireylere zarar vermek adına yapılan yorumlar olarak adlandırılmaktadır. Hızla büyüyen verilerin varlığı, bunun insan denetimiyle gerçekleştirilmeye çalışılması yavaş ve pahalı olduğundan saldırganlığın otomatik tespitiyle siber zorbalığın durdurulması sağlanabilir. Bu çalışmada Twitter veri seti olan Cyber-Trolls üzerinden saldırganlık tespitini otomatik olarak belirlenmesi ele alınmaktadır. LMTweets adında bir kodlayıcı, veri kümesinin özelliklerinin çıkarılması için 20001 adet tweet üzerinden eğitilmiştir. Çıkarılan öznitelikler, metni saldırgan / saldırgan olmayan olarak sınıflandırmak üzere evrişim sinir ağı modeline girdi olarak verilir. Ayrıca Naïve Bayes, Destek Vektör Makinesi, K-En Yakın Komşu, olmak üzere üç sınıflandırma algoritması uygulanmıştır. Bunun yanında, Evrişimli Sinir Ağı, Uzun Kısa-Süreli Bellek ve Kapılı Tekrarlayan Birim üç öğrenme algoritması ile birlikte BERT, XLNet ve ULMFIT olmak üzere üç transformatör modeli uygulanmıştır. Önerilen modelde Python, Keras API ve Tensorflow birlikte kullanılmıştır. Deneysel sonuçlarda elde edilen performans parametreleri doğruluk, kesinlik, duyarlılık, F1-ölçütü ve AUC olarak belirlenmiş ve LMTweets + CNN modelinin kullanılan tüm modeller arasında daha iyi performans gösterdiği ortaya konmuştur.