AAAISep, 2018

了解在线反犹太主义的数量化方法

PDF
TL;DR本文提出了一个大规模、定量的研究在线反犹太主义的方法，并使用科学方法量化了反犹太梗和 retoric 在网上的扩散和加剧程度。在收集百万级别的信息之后，我们提取了语义嵌入并演示了如何使用自动化技术发现并对反犹太术语进行分类。我们的结果为理解在线反犹太主义提供了数据驱动和定量的框架。
antisemitismonline hatealt-right communitiespolitical eventsautomated techniques
发现论文，激发创造
  • 使用 BERT 监测极端社交媒体上反犹太主义言论的演变

    通过自动化方法和无监督机器学习，从极端社交媒体中提取反犹太主义的主题和术语，以监测其情绪和演变，预防仇恨升级。

    Feb, 2024

  • 利用语言模型发现极端社交媒体上出现的编码反犹太仇恨言论趋势

    本文提出了一种检测新兴编码仇恨化术语的方法，该方法在在线反犹太人言论的背景下进行了测试，主要通过对社交媒体平台上的帖子进行抓取并计算其在整个语料库中的频率，以过滤掉语法不连贯的表达和先前遇到过的表达，最后通过对已知的反犹太术语的语义相似性进行评估，并移除与之相距过远的表达，最终返回仅含有编码化仇恨表达的新兴反犹太术语。

    Jan, 2024

  • 利用多模深度学习检测网络反犹太主义 -《颠覆犹太统治

    该研究提出了首个基于多模态检测在线反犹内容的自动化方法，致力于解决在线社交媒体不断泛滥的反犹行为。该方法包括从帖子中提取图像和文本信息，识别反犹言论的类别，以及评估系统的有效性和鲁棒性等方面。

    Apr, 2021

  • 测量和描述新闻网站上的仇恨言论

    本文大规模分析了 19 个月中发布在 412K 个新闻文章上的 1.25 亿条评论，结论是，发布在社交网络上的新闻文章会吸引更多的有害评论，这些评论的语言特点不同于其他评论，而且与一些政治事件有关。

    May, 2020

  • 当代网络反犹太主义和阴谋叙事的代码，图案和形状 -- 在 COVID-19 背景下的注释指南和带标签的德语数据集

    在 COVID-19 大流行期间，新的阴谋论和现有阴谋论被刷新，经常与反犹太故事情节、刻板印象和代码交织在一起。在网络上存在如此多反犹太和阴谋论内容，数据驱动的算法方法对于反歧视组织和研究人员都是必不可少的。本文旨在开发反犹太和阴谋理论在线内容注释指南，以关闭相关研究的知识库不足。我们为 COVID-19 这一语境下的在线内容提供工作定义，包括编码式和后 - 大屠杀反犹太主义等具体形式，使用这些定义标注了一个德语数据集。

    Oct, 2022

  • 量化仇恨社群如何在线上激进化用户

    本文以 Reddit 社区为例，测量加入具有仇恨言论的极端社区对该社交媒体平台中仇恨言论传播的影响，研究发现加入这种社区会导致恶意言论在平台上传播，并且这种负面影响会持续数月，为降低仇恨言论传播的风险，有必要对这些 “回音室” 进行管理。

    Sep, 2022

  • 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

  • 在线平台上社会组织和政治极化的量化

    通过神经嵌入技术对 Reddit 14 年间 5.1B 评论的社区结构进行了研究，发现在 2016 年美国总统选举后，Reddit 出现了明显的政治极化，尤其是右翼用户的活动量增加导致的。个体级的极化是罕见的，政治极化可以通过考察单个用户的行为预测，可能因外部事件而发生。

    Oct, 2020

  • 极端主义暴力对网络仇恨言论的影响

    本文研究了暴力事件对 Twitter 和 Reddit 等社交媒体平台上恶意言论量和类型的影响，结果表明极端暴力事件会导致在线恶意言论的增加，特别是直接鼓吹暴力的言论。该研究对在线恶意言论的监控具有重要意义，并提出了对抗恶意言论的方式。

    Apr, 2018

  • 反犹太主义有多毒？自动化评分反犹在线内容的潜力和局限

    使用手动注释的德语数据集，这篇论文研究了 Google 和 Jigsaw 的 Perspective API 在检测反犹太主义在线内容方面的潜力和局限性，并发现它在基本水平上能够识别反犹内容为有毒，但对于隐晦形式的反犹主义和批评立场的文本显示出严重弱点，而且通过简单的文本改动，可以大幅降低 API 分数，从而相对容易绕过基于该服务的内容审查。

    Oct, 2023