hgbicaps: یک مدل طبقه‌بندی چنددسته‌ای گفتار نفرت با استفاده از شبکه capsule

گسترش فعالیت‌ها و محتواهای تولیدشده توسط کاربران در سیستم‌عامل رسانه‌های اجتماعی، چالش‌هایی ازجمله محتوای گفتار نفرت و سوءاستفاده اخلاقی را برای پژوهشگران و جامعه به وجود آورده است. حفظ تعادل بین آزادی بیان و احترام به عزت افراد، یک نگرانی اساسی برای ارائه‌دهندگان بسترهای نرم‌افزاری در حوزه رسانه‌های اجتماعی است. در این مقاله، ما یک مدل تشخیص گفتار نفرت به نام hgbicaps معرفی کرده‌ایم. این مدل با استفاده از سه لایه embedding، bigru و capsule قابلیت بهبود تشخیص گفتار نفرت را با در نظر گرفتن اطلاعات متنی ارتقاء می‌بخشد. علاوه بر این، ما توانسته‌ایم مدل را در دسته‌های چندگانه و باینری تعمیم دهیم. دقت حاصل از آزمایش‌ها بر روی یکی از مجموعه‌های داده چند کلاسه برابر با 80/0 است که نشان‌دهنده بهبود قابل‌توجه نسبت به مقالات مشابه در این زمینه است.