Toxic Language and Threat Detection in Social Media
Notice bibliographique
Résumé
Detecting toxic language and threats in social media is a critical task for ensuring safer online interactions and preventing the spread of harmful content. This paper presents a comprehensive approach to toxic language and threat detection using both traditional machine learning and state-of-the-art deep learning models. The study leverages two widely used datasets: the Jigsaw Toxic Comment Classification Dataset, which contains over 150,000 labeled comments categorized as toxic, severe toxic, obscene, threats, insults, and identity hate, and the Hate Speech Dataset, which classifies tweets into hate speech, offensive language, and neutral speech. To develop an efficient detection system, we explore a range of models including traditional classifiers such as Logistic Regression and Naïve Bayes, deep learning architectures like Long Short-Term Memory (LSTM) and Convolutional Neural Networks (CNN), and advanced transformer-based models such as BERT and RoBERTa. Each model is evaluated based on multiple performance metrics, including accuracy, precision, recall, F1-score, and AUC-ROC, to ensure a fair comparison. Our experimental results show that Logistic Regression achieves an overall accuracy of 94%, outperforming Naïve Bayes, which struggles with class imbalance, particularly in detecting minority classes like threats and hate speech. Deep learning models, including LSTM and CNN, improve performance by capturing the sequential structure of text. However, the best results are obtained with transformer-based architectures, where BERT achieves the highest accuracy of 96%, demonstrating its superior ability to capture contextual dependencies in toxic comments. Additionally, our study explores the impact of data preprocessing techniques, including text cleaning, tokenization, lemmatization, and class balancing using SMOTE (Synthetic Minority Over-sampling Technique). Our findings suggest that while classical machine learning models can provide a solid baseline, deep learning and transformers significantly enhance detection capabilities, especially in complex cases involving sarcasm, implicit threats, and nuanced hate speech.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».