HMS-BERT: 多言語・多ラベルのサイバーいじめ検出のためのハイブリッド多タスク自己学習

要約: ソーシャルメディア上のサイバーいじめは本質的に多言語で多面的であり、虐待的な行為はしばしば複数のカテゴリにまたがって重なります。既存の方法は一般的に単言語の仮定や単一タスクの定式化に制約され、それが現実的な多言語かつマルチラベルのシナリオでの有効性を制限します。本稿では、多言語・マルチラベルのサイバーいじめ検出のためのハイブリッド式マルチタスク自己学習フレームワーク HMS-BERT を提案します。事前学習済みの多言語 BERT バックボーンを基盤に、HMS-BERT は文脈表現と手作業で設計された言語特徴を統合し、細粒度のマルチラベル虐待分類タスクと三クラスの主分類タスクを共同で最適化します。低資源言語におけるラベル付きデータの不足に対処するため、信頼度ベースの疑似ラベル付けを用いた反復的自己学習戦略を導入し、クロスリンガル知識移転を促進します。4つの公開データセットでの実験は、HMS-BERT が高い性能を発揮することを示し、マルチラベルタスクで最大マクロ F1 スコア 0.9847、主分類タスクでの精度 0.6775 を達成します。アブレーション研究は、提案されたコンポーネントの有効性をさらに検証します。