本研究使用机器学习算法对 Twitter 上的滥用行为进行分类，包括网络欺凌和侵略行为，并通过分析用户、网络和文本属性的差异识别出欺负和侵略者。结果表明，该算法能够以超过 90％的准确率和 AUC 分类这些账户。同时，探讨了 Twitter 标记为滥用行为的用户账户的状况，并研究了 Twitter 可能采用的用户封禁机制的效果。

Jul, 2019

该研究对 Twitter 上多种形式的虐待行为进行了 8 个月的综合研究，提出了基于众包的增量迭代方法来注释大规模推文集合，最终确定了一组稳健的标签，从而在其收集和注释的 10 万条推文上展示了相关数据的发现和总结。

Feb, 2018

该论文通过对推特用户的文本、用户和网络属性的提取和分析，提出了一种有效的、可扩展的方法来检测网络欺凌和攻击行为，并通过机器学习分类算法，在 1.6M 条推文上取得了 90% 以上的准确率。

Feb, 2017

探讨通过增强新数字空间的自我治理机制，缓解网络仇恨的有害影响。报告了一项定性交互分析和统计模型研究，以及探索使用机器学习技术辅助识别反击网络仇恨的结果。

Aug, 2019

社交媒体平台的兴起导致了网络攻击行为的增加，其中包括网络欺凌、在线骚扰和冒犯性和仇恨言论的传播。这篇论文通过分析定义的多样性并提出统一的网络攻击定义，深入研究了攻击性内容检测和攻击性用户行为分析领域，揭示了将社会学见解与计算技术相结合以预防网络攻击行为的有效性。

Nov, 2023

本文首次报道了人权活动家和机器学习家之间的合作，利用众包研究了 Twitter 上针对女性的在线虐待。通过分析来承认滥用感知的变异性，为其释放给社区研究工作做好准备。在社会影响方面，这项研究为旨在提高公众和决策者意识以及提高社交媒体公司期望标准的媒体活动提供了技术支持。

Jan, 2019

本研究旨在探索在线团队竞技游戏中的网络欺凌和其他有害行为，使用超过 1000 万个玩家报告的数据集和相应的众包决策，对多个有关有害行为的理论进行了测试，此外，本研究还可为构建检测、预防和对抗有害行为的系统提供基础。

Apr, 2015

本文通过对 Twitter 上仇恨言论发起人和目标用户进行多步分类研究，发现仇恨发起人的目标是较受欢迎和高知名度的 Twitter 用户，参与仇恨言论会导致更大的在线可见性，并通过个性分析表明，这两个群体具有与一般 Twitter 人口不同的离心性格面貌。

Apr, 2018

通过对 Kotaku in Action 社区进行混合研究，我们给出了一个关于 GamerGate 的探讨，阐述了他们的目的和规则，指出了 KiA 网站政策明确禁止骚扰行为的立场，并提出了方案来解决言论自由和骚扰之间的争议，并讨论了如何在不侵犯言论自由的前提下解决骚扰问题。

Dec, 2017

本文是一篇关于社交媒体上仇恨言论的系统性量化研究，使用了 Whisper 和 Twitter 两个社交媒体平台，采用一种新的方法来识别和分析仇恨言论的目标，旨在为防范和识别社交媒体上的仇恨言论提供方向。

Mar, 2016