网络欺凌是一个普遍问题,影响各年龄段,表现为骚扰、排斥和隐私泄露等,可能导致焦虑和抑郁。应对策略包括不回应、保存证据、屏蔽施暴者、举报和寻求支持。预防需个人与社区共同努力,倡导善良与尊重,提高意识。
本研究针对社交媒体平台上普遍存在的网络欺凌问题,评估现有的文本分类技术在识别网络欺凌实例中的有效性。通过对多种语言模型的比较,发现BERT在性能、时间效率和计算资源之间找到了良好的平衡,表现出色,具有较高的准确率和较低的错误率,表明经过适当调整和细化的现有模型在特定任务中的效能不容小觑。
一家匿名消息服务Yolo被控违背承诺揭示应用上的欺凌者,一项诉讼被上诉法院重新启动。上诉法院裁定,通信廉政法案第230条款不应阻止Yolo被指控误导其服务条款的索赔,但它确定该应用程序不会因允许骚扰的设计缺陷而承担责任,维持了先前裁决的另一部分。Yolo是一个与Snapchat集成的应用程序,允许用户发送匿名消息,但在2021年,一名青少年用户自杀后,该应用程序遭到诉讼。该男孩卡森·布赖德收到了来自匿名用户的骚扰和性暗示的消息,他认为这些用户可能是他认识的人。布赖德及其家人试图联系Yolo寻求帮助,但Yolo据称从未回应,有时公司的电子邮件根本无法送达。Snap禁止了Yolo和另一个被诉的应用程序,一年后,它禁止了所有匿名消息集成。布赖德的家人和其他一些受害家长认为Yolo违反了对用户的法律约束承诺。他们指出Yolo声称如果向他人发送“骚扰消息”,将会封禁用户并揭示其身份,但根据裁决总结,原告辩称“Yolo没有超过十人的员工,无法监控每天活跃用户数量达一千万的流量,以兑现其承诺,事实上它从未这样做过。”此外,他们声称Yolo应该知道其
Instagram推出了新的临时评论功能,用户可以在Reels和网格帖子上留下三天后自动消失的评论。这些评论是半私密的,用户可以选择可见范围。该功能旨在增强用户之间的私密互动,但也可能引发欺凌和骚扰的担忧。
匿名消息应用NGL与联邦贸易委员会和洛杉矶地区检察官办公室达成和解协议,不再向18岁以下儿童提供服务。NGL被指控欺骗年轻用户注册付费版本,并存在网络欺凌问题。NGL还违反了COPPA规则,同意支付500万美元解决指控。
本研究整合大型语言模型(LLMs)到社交机器人中,解决传统对话方法的局限性。研发了一个自动化对话系统,利用LLMs生成有表情的机器人回应,与机器人个性一致。试验结果显示参与者对机器人反馈积极,认为机器人具有共情力、乐于助人、自然和娱乐性。然而,自动语音识别错误和LLM问题可能影响对话质量。
研究者引入了ID-XCB,一种不依赖数据的去偏技术,用于减轻基于脱节性联想的粗俗词语和事件之间的偏见关联带来的偏见。他们在两个网络欺凌数据集上测试了ID-XCB,并证明其具有学习强大的网络欺凌检测能力,并减轻了偏见。
社交媒体平台在内容审查上的困难导致用户滥用平台传播低俗或侮辱性言论,造成网络霸凌。本文调研了相关研究,提出改进网络霸凌检测的建议,并发布了一个基于方言的数据集和机器学习解决方案。
社交媒体平台信息共享导致在线滥用增加。本文构建孟加拉Memes数据集并使用多种模型分类滥用Memes。多模态模型优于单模态模型,最佳模型宏F1分数为70.51。对错误分类的Memes进行了定性错误分析。
本文介绍了一种用于社交媒体网络欺凌检测的LSTM-Autoencoder网络,使用合成数据。通过实验,该模型在Hindi、Bangla和英文数据集上的攻击性评论识别中表现优于其他模型,最高准确度达到95%。
Hyprland是一个基于wlroots的开源Wayland合成器,强调定制和美观的图形和动画效果。但该项目的社区存在欺凌和仇恨,领导者需要改变态度。
本文讲述了作者两个孩子Mk-I和Mk-II的成长过程,其中Mk-I在学校遭受欺凌,作者试图教他应对方法。文章还探讨了兴趣班问题和养育孩子的困难和挑战。最后,作者与一位老朋友通过微信交流,她对生活感到焦虑,而作者则羡慕她的生活。
完成下面两步后,将自动完成登录并继续当前操作。