Table 8 Results obtained using hybrid models with HPOMs on RUSHOLD corpus.

From: Roman urdu hate speech detection using hybrid machine learning models and hyperparameter optimization

FEM	MLA	HPOMs	Coarse-grained Task				Fine-grained Task
FEM	MLA	HPOMs	Accuracy	Precision	Recall	F1 score	Accuracy	Precision	Recall	F1 score
CNN	SVM	GS	0.91	0.87	0.88	0.90	0.83	0.80	0.85	0.80
		RS	0.93	0.87	0.89	0.92	0.84	0.82	0.83	0.81
		BOGP	0.90	0.89	0.90	0.91	0.82	0.81	0.85	0.80
	RF	GS	0.86	0.83	0.84	0.85	0.80	0.80	0.81	0.77
		RS	0.87	0.82	0.82	0.86	0.81	0.82	0.85	0.78
		BOGP	0.85	0.83	0.83	0.85	0.80	0.81	0.84	0.78
	LR	GS	0.87	0.80	0.83	0.87	0.82	0.83	0.84	0.79
		RS	0.88	0.83	0.85	0.89	0.83	0.81	0.82	0.79
		BOGP	0.87	0.82	0.84	0.86	0.81	0.79	0.80	0.80
	NB	GS	0.83	0.85	0.87	0.82	0.80	0.81	0.83	0.77
		RS	0.84	0.85	0.86	0.83	0.79	0.80	0.83	0.78
		BOGP	0.82	0.83	0.83	0.81	0.80	0.81	0.82	0.78
LSTM	SVM	GS	0.88	0.83	0.85	0.87	0.81	0.81	0.81	0.78
		RS	0.89	0.84	0.85	0.88	0.81	0.82	0.83	0.80
		BOGP	0.89	0.85	0.86	0.87	0.82	0.84	0.84	0.79
	RF	GS	0.84	0.85	0.84	0.82	0.78	0.80	0.82	0.78
		RS	0.85	0.81	0.85	0.84	0.79	0.82	0.83	0.79
		BOGP	0.85	0.82	0.86	0.83	0.78	0.81	0.81	0.78
	LR	GS	0.85	0.84	0.85	0.84	0.79	0.81	0.82	0.77
		RS	0.86	0.82	0.83	0.85	0.79	0.81	0.83	0.78
		BOGP	0.84	0.82	0.86	0.84	0.80	0.82	0.81	0.77
	NB	GS	0.82	0.81	0.83	0.80	0.80	0.82	0.86	0.75
		RS	0.83	0.80	0.81	0.82	0.81	0.83	0.85	0.76
		BOGP	0.82	0.81	0.82	0.81	0.80	0.81	0.87	0.76
BiLSTM	SVM	GS	0.87	0.82	0.84	0.86	0.81	0.79	0.80	0.78
		RS	0.89	0.81	0.83	0.87	0.82	0.80	0.81	0.79
		BOGP	0.88	0.84	0.84	0.86	0.82	0.79	0.80	0.78
	RF	GS	0.82	0.81	0.80	0.81	0.79	0.80	0.80	0.78
		RS	0.84	0.83	0.85	0.83	0.80	0.80	0.81	0.80
		BOGP	0.82	0.82	0.82	0.82	0.80	0.81	0.81	0.79
	LR	GS	0.83	0.81	0.83	0.80	0.79	0.82	0.82	0.74
		RS	0.85	0.83	0.84	0.83	0.80	0.80	0.83	0.76
		BOGP	0.85	0.81	0.83	0.81	0.79	0.82	0.84	0.75
	NB	GS	0.81	0.81	0.82	0.81	0.77	0.80	0.80	0.76
		RS	0.83	0.82	0.83	0.83	0.79	0.81	0.81	0.78
		BOGP	0.81	0.84	0.85	0.82	0.78	0.81	0.83	0.77
GRU	SVM	GS	0.84	0.83	0.85	0.86	0.79	0.80	0.81	0.76
		RS	0.86	0.82	0.84	0.87	0.80	0.81	0.82	0.77
		BOGP	0.84	0.81	0.84	0.87	0.80	0.82	0.84	0.76
	RF	GS	0.81	0.83	0.84	0.81	0.79	0.79	0.81	0.74
		RS	0.82	0.84	0.87	0.83	0.80	0.79	0.82	0.75
		BOGP	0.81	0.83	0.85	0.82	0.79	0.80	0.81	0.74
	LR	GS	0.81	0.83	0.84	0.80	0.77	0.79	0.81	0.76
		RS	0.83	0.80	0.85	0.82	0.79	0.80	0.82	0.77
		BOGP	0.82	0.81	0.82	0.81	0.78	0.79	0.80	0.76
	NB	GS	0.80	0.83	0.83	0.82	0.77	0.79	0.81	0.75
		RS	0.82	0.84	0.85	0.83	0.78	0.80	0.81	0.77
		BOGP	0.81	0.82	0.83	0.82	0.77	0.79	0.80	0.76
BERT + CNN-gram	-	-	0.90	0.90	0.90	0.90	0.82	0.75	0.74	0.75
(Baseline)²³

Bold values shows the best scores for each evaluation metric.

Back to article page

Table 8 Results obtained using hybrid models with HPOMs on RUSHOLD corpus.

Search

Quick links