Кибербуллинг стал серьезной проблемой на цифровых платформах, вызывая беспокойство из-за его масштабов и длительных психологических последствий. Особенно сложно выявлять такие негативные проявления на арабском языке, где разнообразие диалектов и лексики усложняет задачу. В этом контексте новое исследование предлагает инновационный подход к обнаружению кибербуллинга, используя стратегию выбора признаков на основе генетических алгоритмов (ГА).
Исследование сосредоточено на анализе 46 тысяч комментариев в Instagram на арабском языке. ГА позволяет сократить пространство признаков почти вдвое, сохраняя важные семантические структуры и устраняя шум. В результате применения этого метода точность классификации улучшилась на 3.45–14.96%, а время обработки сократилось в 2.32–12 раз. Это открывает новые горизонты для масштабируемого и контекстно чувствительного обнаружения кибербуллинга в арабоязычных сообществах.
Ключевым моментом исследования является использование ГА для выбора наиболее информативных признаков, что позволяет значительно повысить эффективность моделей машинного обучения. В ходе экспериментов были протестированы четыре классификатора, и все они показали улучшение в точности и скорости работы после применения ГА.
Таким образом, результаты исследования подчеркивают важность оптимизации выбора признаков для повышения точности и оперативности в задачах обнаружения кибербуллинга, что имеет значительное значение для психологии и социальных наук.