Mar, 2018

Twitter 上具有仇恨言论用户的特征和检测

PDF
TL;DR本文主要研究如何优化针对仇恨言论的检测方法，采用了基于用户而非文本内容的方式，最终提出一种基于半监督学习和节点嵌入算法的新型检测方法，在 Twitter 平台上取得了的较好效果。
hate speechonline social networksuserssemi-supervised learningnode embedding algorithm
发现论文，激发创造
  • 仇恨言论检测的作者画像

    本文提出了一种基于社区特征的推特用户恶意言论检测方法，实验结果显示该方法在检测恶意言论方面的效果显著优于现有的方法。

    Feb, 2019

  • 你也是布鲁图斯！困住社交媒体中的仇恨用户：挑战、解决方案和见解

    本文通过使用图神经网络和半监督学习，结合文本和社交网络关系特征，可以实现更准确的仇恨言论检测，同时分析了网络邻居签名的重要性和模型的跨平台泛化能力。

    Aug, 2021

  • 网络仇恨：解决在线社交空间中的仇恨言论问题

    该研究论文探讨在线社交平台上仇恨性言论的检测方法，指出基于关键词方法检测的不足，并提出利用自我定义仇恨社区产生的内容作为训练数据的方法，实现了良好的检测性能。

    Sep, 2017

  • 在社交媒体上检测仇恨言论

    本文通过使用字符 n-gram、单词 n-gram 和单词 skip-gram 的方法，利用最近发布的 annotated dataset 建立基于词汇的垃圾言论检测任务，并成功实现了 78% 的准确率。研究结果表明，区分垃圾言论和粗俗言论之间的主要难题在于歧视。最后，文章提出了未来的研究方向。

    Dec, 2017

  • 利用用户内部和用户间的表示学习进行自动化的仇恨言论检测

    本文通过在 Twitter 上收集和分析用户历史记录来建模用户内部 Tweet 表示，以及使用增强的用户间表示学习技术，对其他用户发布的类似推文进行建模，从而显着提高了强双向 LSTM 基线模型的 f-score10.1％。

    Apr, 2018

  • 基于深度神经网络的改进型 Twitter 两阶段仇恨言论分类

    本文借助改进的 LSTM 神经网络架构，提出了一种基于 One-vs-Rest 分类器的两阶段方案，用于在社交媒体上自动检测仇恨性内容，并在公共语料库和其他数据集上进行了实验，结果显示其在仇恨言论检测任务中具有卓越的分类性能。

    Jun, 2022

  • 仇恨言论检测：已解决的问题？Twitter 上长尾案例的挑战

    该研究旨在解决社交媒体上自动检测仇恨言论的问题。作者提出了一种基于深度神经网络结构的特征提取器，在 Twitter 上的仇恨言论检测方面表现出比目前最佳方法高出 5 个百分点的效果。

    Feb, 2018

  • 推特上滥用语言的比较研究

    本文研究了在 Twitter 上关于仇恨言论和辱骂的数据集，考察了不同的学习模型和额外特征的加入，并得出了使用双向 GRU 网络结合潜在主题聚类模型的最优模型，F1 得分为 0.805。

    Aug, 2018

  • 分析 Twitter 上的仇恨与对立言论账户

    本研究发现 Twitter 的在线仇恨言论与相应的反言论使用了不同的语言和策略，并且经过一些分析和建模，能够对这些用户进行可靠的分类以进一步研究。

    Dec, 2018

  • 网络有害言论的多维度识别视角：不只是仇恨

    本文介绍了一种使用多个标签注释恶意在线言论的方法，强调了注释应该是细致、准确的。作者发布了一个高质量的数据集，使用六个标签注释了超过 40,000 条有关移民的推文，在此数据集上训练模型的表现优于基准数据集。

    Oct, 2022