Understanding and Reducing Harassment and Cyberbullying in the Algerian Online Communities

Abstract

Cyberbullying refers to the act of harassing or insulting individuals in online spaces. It is a severe problem caused by the rapidly increasing use of the Internet and social media platforms. The negative effects of cyberbullying can easily cause depression and low self-esteem. It became critical to develop tools for automatically determining cyberbullying. To reduce the risk of this issue, many NLP tools, Machine Learing , Deep Learing and other techniques were used to identify and block hate speech, particularly on social media platforms. The objective of this work is to compare a set of researches that propose approaches for cyberbullying detection using machine learning and deep learning techniques. We then present a summary of some of the approaches and a comparative table of them. Our contribution aims to consider the Algerian online community to detect and reduce online harassment and any type of offensive content in order to protect people from its negative impacts. We used FastText and Word2vec word embedding with Skip-Grap and Continues bag of word architectures to present a multi-platform dataset that we collected from YouTube and Twitter, and then trained CNN and SVM models.***

Le Cyberbullying désigne l’acte de harceler ou d’insulter des individus dans des espaces en ligne. Il s’agit d’un problème sévère causé par l’augmentation rapide de l’utilisation d’Internet et des réseaux sociaux. Les effets négatifs du Cyberbullying peuvent facilement provoquer une dépression et une faible confiance en soi. Il est devenu essentiel de développer des outils permettant de déterminer automatiquement le Cyberbullying. Pour réduire le risque de ce problème, de nombreux outils NLP, l’apprentissage automatique, l’apprentissage profond et d’autres techniques ont été utilisés pour identifier et bloquer les discours de haine, en particulier sur les réseaux sociaux. L’objectif de ce travail est de comparer un ensemble de recherches qui proposent des approches pour la détection du Cyberbullying en utilisant des techniques d’apprentissage automatique et d’apprentissage profond. Notre contribution vise à prendre en compte la communauté algérienne en ligne pour détecter et réduire le harcèlement en ligne et tout type de contenu offensif afin de protéger les personnes de ses impacts négatifs. Nous avons utilisé à la fois FastText et Word2vec avec les architectures Skip-Grap et CBOW pour présenter un ensemble de données multiplateforme que nous avons collecté à partir de YouTube et Twitter, puis nous avons entraîné des modèles CNN et SVM.