オンライン有害言語を検出するための効率的なハイブリッド深層学習アプローチ

要旨：デジタル時代はソーシャルメディアとオンラインフォーラムを拡大させ、世界の人口のおよそ45%に自由な表現を可能にしている。しかし一方で、オンライン上の嫌がらせ、いじめ、ヘイトスピーチ、毒性のあるコメントなどの有害な行為を、ソーシャルネットワーク、メッセージングアプリ、ゲームコミュニティ全体で助長している。研究によると、親の65%がオンライン上の敵対的な挙動を目撃しており、モバイルゲームを利用する思春期の子どもの3分の1がいじめを経験している。日々、表層ウェブだけでなくダークウェブのフォーラム内でも大量の有害コンテンツが生成・共有されている。有害なコメントの作成者は、検出を回避し意図を隠すために特定の語句や符号化された表現を用いることが多い。これらの課題に対処するため、BERT、CNN、LSTMのアーキテクチャをReLU活性化関数と組み合わせたハイブリッド深層学習モデルを提案し、YouTubeコメント、オンラインフォーラムの議論、ダークウェブ投稿を含む複数のオンラインプラットフォームで有害言語を検出する。モデルは、多様で不均衡なデータセット（有害77,620件、非有害272,214件、比率1:3.5）で高い性能を示し、Precision、Recall、Accuracy、F1スコア、AUCなどの評価指標で約99%を達成している。このアプローチは、テキスト中の意味・文脈・逐次的パターンを効果的に捉え、実世界のデータセットで見られる高度に偏ったデータでも有害コンテンツを堅牢に検出可能にしている。