Jan, 2022

极端化：比较分析 Parler 和 Gab 中的仇恨言论

PDF
TL;DR本研究使用各种算法对 Parler 平台上的仇恨言论进行了大规模分析，并使用标注的数据集对用户进行了分类，发现 16.1％的活跃用户是仇恨言论传播者，并且他们在活动性、中心性、情感表达和表达的不同种类等方面具有明显的特征，这是对 Parler 平台上的仇恨言论进行的首项量化和用户层面分析研究，同时还提供了可供研究社区使用的标注数据集。
social platformshate-speech detectionbert classifierlabel propagationuser analysis
发现论文，激发创造
  • 使用 BERT 在 Parler 上检测仇恨言论的目标

    本文介绍了一种基于 BERT 的管道用于检测网络仇恨言论及其目标对象，并使用此方法创建了 Parler 网络上的目标对象分布。

    Apr, 2023

  • 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

  • Twitter 上具有仇恨言论用户的特征和检测

    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。

    Mar, 2018

  • 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

  • AbuseAnalyzer: 用于 Gab 帖子的滥用检测、严重程度和目标预测

    该论文提出了一种基于 “Gab” 数据集的在线滥用行为检测和评估方法，该方法可以确定滥用性内容的存在性，严重性和目标，并可达到 80％的存在性检测准确率，82％的目标检测准确率以及 65％的滥用严重性预测准确率

    Sep, 2020

  • 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

  • 社交媒体上的仇恨言论反制：仇恨言论和反言论的大规模分类

    通过使用自我标记的群体进行有组织在线仇恨言论和反言论，研究使用集成学习算法识别有组织在线仇恨言论和反言论，发现自动化方法在评估社交媒体上协调反言论对稳定对话的影响的潜力。

    Jun, 2020

  • 在线社交媒体中仇恨言论的扩散

    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

  • 使用多语言 Transformer 模型自动分析 Facebook 数据的情感和仇恨言论

    本文通过分析 Facebook 上代表性的 far-right Hindutva pages 数据集来解决 Social Media Platforms 上 toxic speech 和 hateful content 的问题，使用 state-of-the-art 的 XLM-T multilingual transformer-based language models 对文本内容进行情感和 hate speech 分析，并讨论预训练语言模型的性能和局限性。

    Jan, 2023

  • 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