소셜 미디어 플랫폼의 광범위한 사용은 공격성의 위험을 증가시키고, 이는 정신적 스트레스를 초래하여 사람들에게 부정적인 영향을 미칩니다. 예를 들어, 심리적 고통, 싸움 행동, 그리고 타인에 대한 불경함이 발생합니다[28]. 이러한 대화의 대부분은 혼합 언어(mixed languages)를 포함하고 있습니다. 또한, 생각을 표현하는 방식이나 커뮤니케이션 스타일도 플랫폼마다 다르게 나타납니다(예: 트위터와 페이스북의 커뮤니케이션 스타일은 서로 다릅니다). 이러한 요소들은 문제의 복잡성을 더욱 높였습니다.이러한 문제들을 해결하기 위해, 우리는 영어 혼합 코드(code-mixed) 데이터셋과 단일 언어(unilingual) 영어 데이터셋 모두에서 작동하는 통합적이고 강건한 다중 모달 딥 러닝 아키텍처를 소개하였습니다. 개발된 시스템은 심리언어학적 특징(psycho-linguistic features)과 매우 기본적인 언어학적 특징(basic linguistic features)을 활용합니다. 우리의 다중 모달 딥 러닝 아키텍처는 깊은 피라미드 CNN(Deep Pyramid CNN), 풀링 바이디렉셔널 LSTM(Pooled BiLSTM), 그리고 연결되지 않은 RNN(Disconnected RNN)(Glove 및 FastText 임베딩 모두 사용)을 포함하고 있습니다. 마지막으로, 시스템은 모델 평균(model averaging) 기반으로 결정을 내립니다.우리는 제안한 시스템을 2018년 TRAC 영어 혼합 코드 데이터셋과 Kaggle에서 획득한 단일 언어 영어 데이터셋에서 평가하였습니다. 실험 결과는 제안된 시스템이 영어 혼합 코드 데이터셋과 단일 언어 영어 데이터셋 모두에서 이전의 모든 접근법보다 우수한 성능을 보임을 입증하였습니다.