摘要
社交媒体平台的广泛使用增加了攻击性的风险，这导致了心理压力，并对人们的生活产生了负面影响，如心理痛苦、攻击行为和对他人的不尊重。大多数此类对话包含混合编码语言[28]。此外，表达思想的方式或沟通风格在不同的社交媒体平台上也有所不同（例如，Twitter 和 Facebook 的沟通风格不同）。这些因素都增加了问题的复杂性。为了解决这些问题，我们引入了一种统一且强大的多模态深度学习架构，该架构既适用于英语混合编码数据集，也适用于单语英语数据集。所设计的系统采用了心理语言学特征和非常基础的语言学特征。我们的多模态深度学习架构包括深层金字塔卷积神经网络（Deep Pyramid CNN）、池化双向长短期记忆网络（Pooled BiLSTM）以及断开连接的递归神经网络（Disconnected RNN），后者同时使用了 Glove 和 FastText 嵌入。最终，系统根据模型平均的结果做出决策。我们在英语混合编码 TRAC 2018 数据集和从 Kaggle 获得的单语英语数据集上评估了我们的系统。实验结果表明，我们提出的系统在这两类数据集上的表现均优于所有先前的方法。