Tunisian dialect cyberbullying detection with ML DL approach and rich feature set

Automatic detection of cyberbullying in the Tunisian dialect is a crucial area of research, particularly relevant in the context of increasing interactions on social networks. In this report, we present a multicriteria approach enriched by a diverse set of linguistic, stylistic and social features, to tackle this complex problem. It involves different machine learning (ML) and deep learning (DL) algorithms. By developing and evaluating these models, this study highlights unique challenges and proposes innovative solutions to improve the accuracy and efficiency of cyberbullying detection. The results show promising performance, underlining the importance of an integrated and contextualized approach to meet the real needs of online users and promote a safer digital environment. La détection automatique de la cyberintimidation en dialecte tunisien est un domaine de recherche crucial, particulièrement pertinent dans le contexte de l’augmentation des interactions sur les réseaux sociaux. Dans ce rapport, nous présentons une approche multicritère enrichie par un ensemble diversifié de caractéristiques linguistiques, stylistiques et sociales, pour aborder ce problème complexe. Cette approche fait appel à différents algorithmes d’apprentissage automatique et d’apprentissage profond. En développant et en évaluant ces modèles, cette étude met en évidence des défis uniques et propose des solutions innovantes pour améliorer la précision et l’efficacité de la détection de la cyberintimidation. Les résultats montrent des performances prometteuses, soulignant l’importance d’une approche intégrée et contextualisée pour répondre aux besoins réels des utilisateurs en ligne et promouvoir un environnement numérique plus sûr. p. 67-72