prikaz prve stranice dokumenta Profiliranje širitelja govora mržnje na društvenim mrežama metodama strojnog učenja
No public access
master's thesis
Profiliranje širitelja govora mržnje na društvenim mrežama metodama strojnog učenja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. urn:nbn:hr:168:724095
Dukić, David
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Dukić, D. (2021). Profiliranje širitelja govora mržnje na društvenim mrežama metodama strojnog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:724095

Dukić, David. "Profiliranje širitelja govora mržnje na društvenim mrežama metodama strojnog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:724095

Dukić, David. "Profiliranje širitelja govora mržnje na društvenim mrežama metodama strojnog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:724095

Dukić, D. (2021). 'Profiliranje širitelja govora mržnje na društvenim mrežama metodama strojnog učenja', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 25 July 2024, https://urn.nsk.hr/urn:nbn:hr:168:724095

Dukić D. Profiliranje širitelja govora mržnje na društvenim mrežama metodama strojnog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2021 [cited 2024 July 25] Available at: https://urn.nsk.hr/urn:nbn:hr:168:724095

D. Dukić, "Profiliranje širitelja govora mržnje na društvenim mrežama metodama strojnog učenja", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:168:724095

Metadata
TitleProfiliranje širitelja govora mržnje na društvenim mrežama metodama strojnog učenja
Title (english)Profiling Hate Speech Spreaders on Social Networks Using Machine Learning Methods
AuthorDavid Dukić
MentorAna Sović Kržić (mentor)
Committee memberAna Sović Kržić (predsjednik povjerenstva)
Committee memberJan Šnajder (član povjerenstva)
Committee memberMarko Subašić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2021-07-01, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Kako društvene mreže rastu, sve više i više njihovih korisnika širi govor mržnje kroz svoje objave. Uočeni fenomen često nastaje kao posljedica osjećaja lažne sigurnosti i anonimnosti u virtualnom okruženju. Da bi zaustavili širitelje govora mržnje, znanstvenici su počeli razvijati sustave strojnog učenja koji ih automatizirano detektiraju temeljem sadržaja njihovih objava. Ovaj diplomski rad opisuje nekoliko takvih novih sustava za profiliranje autora, učenih na korpusu engleskih Twitter objava, s krajnjim ciljem predviđanja širi li autor danih objava govor mržnje ili ne. Osim evaluacije isprobanih modela, detaljno je opisan i skup podataka te je nad njim provedena eksplorativna analiza. Značajke modela koji je najbolje radio nad neviđenim podacima kreirane su konkatenacijom dva tipa značajki. Prvi tip se sastojao od fino podešenih kontekstualiziranih gustih vektorskih reprezentacija izvučenih iz BERT modela koje su sumirane kroz njegovih zadnjih 12 skrivenih slojeva vezanih uz klasifikacijski token. Drugi tip su činile tri binarne varijable zvane indikatori. Binarne varijable su indicirale nalaze li se nizovi znakova rt, url ili hashtag u autorovim objavama. Klasifikator koji je postigao najveću točnost od 81% na skupu za testiranje koristeći opisane značajke bila je logistička regresija.
Abstract (english)
As social media grows, more and more users are disseminating hate speech through their posts. The noticed phenomenon often comes as a consequence of feeling a false security and anonymity in a virtual environment. To stop hate speech spreaders, researchers started developing machine learning systems that automatically detect spreaders of hate speech based on the contents of their posts. This graduate thesis describes several such novel author profiling systems which were trained on a corpus of English Twitter posts with a goal to predict if the author of the given posts spreads hate speech or not. Except for the evaluation of tried out models, a detailed description of the data set and its exploratory analysis was given. The features of the model that worked best on unseen data were crafted by concatenating two types of features. The first type were fine-tuned BERT contextualized embeddings summed over the last 12 hidden states corresponding to the classification token. The second type was made of the three binary variables called indicators. Binary variables were indicating whether strings rt, url or hashtag were present in the author's tweet posts, respectively. The classifier that achieved the highest accuracy score of 81% on the test set using described features was logistic regression.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:724095
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 12:09:53