本文研究纵观比对 Reddit 和 4chan 上 2020 年美国总统选举期间的仇恨言论，并借助自然语言处理技术，发现各平台的内容和发布活动有所差异，因此提出了跨平台研究的未来发展方向，以更全面地了解全球仇恨生态系统。

Feb, 2022

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

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

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

研究分析了恶意用户和非恶意用户在 Gab（gab.com）上生成的帖子的流动和动态，并发现恶意内容扩散得更远、更广、更快，具有更大的影响力。恶意用户更具有影响力、受欢迎和凝聚力，这扩展了我们对线上仇恨言论的理解。

Dec, 2018

使用基于树的方法分析在线社交媒体上用户对有害内容的行为和上下文，研究发现毒性评论会增加在线对话中产生后续毒性评论的可能性，并观察到在用户行为和模式方面，共识亵渎与非共识亵渎存在重叠的相似性。

Apr, 2024

本文探讨 Reddit 社交媒体平台内容政策和用户态度的变化。通过对五篇管理员更新 Reddit 内容政策的帖子中的普通 Reddit 用户的评论进行分析，我们发现了 Reddit 用户关于限制内容和限制仇恨言论的讨论的变化，证明了这与当代社会动荡以及新颁布的法律法规有关，并为仇恨言论监管的广泛讨论做出了贡献。

Mar, 2022

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

本研究通过对 Reddit 社交媒体平台上的对话进行跨主题和跨语言的毒性分析，收集了来自六种语言、481 个社区的 150 万个评论串，涵盖了文化、政治和新闻等 80 个主题。我们深入分析了毒性如何在不同社区中在特定主题上呈现出峰值，并观察到某些主题毒性在不同语言中存在一致的增长模式，同时也注意到特定语言社区内存在显著差异。

Apr, 2024

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。

Sep, 2018