arXiv cs.CL· Md. Nesarul Hoque, Md Hanif Seddiqui, Miskatul Anwara, Rudra Pratap Deb Nath·· 12 小时前AI 评分20
ODCBNA：面向孟加拉语网络欺凌分析的本体驱动框架
From Perpetrators' Digital Footprints to Behavioral Communities: An Ontology-Driven Framework for Bengali Cyberbullying Analysis--- FULL VERSION
AI 导读
研究提出以施害者为中心的 ODCBNA 框架，整合本体设计、知识图谱构建、行为建模、社区分析与影响力建模。基于 BenCoDiC 语料，识别出 1,063 名至少有 3 条欺凌评论或回复的施害者，用 64 维行为与上下文特征向量表示，经余弦相似度和 k 近邻构建含 27,554 条边的加权网络，Louvain 分析得到 6 个社区（模块度约 0.495）和 27 个子社区。
正文 · AI 翻译
摘要：网络欺凌涉及孤立辱骂信息之外的行为与语境模式。然而，现有方法在内容检测、语义表示和网络分析方面仍呈碎片化，可解释的施害者表示、多尺度结构建模，以及对行为驱动相似性和影响传播的解释均较为有限。这些局限阻碍了对持续性施害者的识别、对行为社区的表征，以及对潜在影响力用户的评估。本文提出本体驱动的网络欺凌行为与网络分析（ODCBNA），这是一个以施害者为中心的框架，整合了需求驱动的本体设计、知识图谱构建、行为建模、社区分析和影响建模。以孟加拉语语境化与多样化网络欺凌（BenCoDiC）语料库为用例，ODCBNA 将至少有三条欺凌评论或回复的 $1{,}063$ 名用户识别为施害者，并通过 $64$ 维行为与语境特征向量对每名施害者进行表示。余弦相似度和 $k$-最近邻建模生成一个具有 $27{,}554$ 条边的加权网络。Louvain 分析识别出六个社区，模块度约为 $0.495$，以及 $27$ 个子社区。特征贡献分析表明，Video、Impact 和 User Profile 组是行为相似性和社区分离的最强贡献者，而语境维度支持解释。社区约束影响分析显示，IM Greedy 在所有六个社区中均取得小幅正向增益，尽管不同种子选择方法在种子重叠有限的情况下产生了可比的扩散范围。这些发现为理解孟加拉语在线环境中的施害者行为、社区组织和潜在影响模式提供了可解释的基础。
| 评论： | 32 页，8 张表，13 幅图 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.30885 [cs.CL] |
| （或 arXiv:2610.30885v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.30885 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Rudra Pratap Deb Nath [查看电子邮件]
[v1]
2026年10月22日星期四 08:04:48 UTC（978 KB）
来源：arXiv cs.CL · arxiv.org