論文の概要: Does Terrorism Trigger Online Hate Speech? On the Association of Events and Time Series

• arxiv url: http://arxiv.org/abs/2004.14733v2
• Date: Fri, 10 Jul 2020 10:15:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 05:44:10.860607
• Title: Does Terrorism Trigger Online Hate Speech? On the Association of Events and Time Series
• Title（参考訳）: テロはオンラインヘイトスピーチを引き起こすか? イベントと時系列の関連について
• Authors: Erik Scharw\"achter and Emmanuel M\"uller
• Abstract要約: 時系列における稀な事象とピークの体系的関連を計測し,検証し,可視化する新しい統計手法を提案する。 我々は、西ヨーロッパと北米におけるイスラム過激派によるテロ攻撃が、Twitter上でヘイトスピーチや反ヘイトスピーチの爆発を組織的に引き起こすかどうかを分析する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hate speech is ubiquitous on the Web. Recently, the offline causes that contribute to online hate speech have received increasing attention. A recurring question is whether the occurrence of extreme events offline systematically triggers bursts of hate speech online, indicated by peaks in the volume of hateful social media posts. Formally, this question translates into measuring the association between a sparse event series and a time series. We propose a novel statistical methodology to measure, test and visualize the systematic association between rare events and peaks in a time series. In contrast to previous methods for causal inference or independence tests on time series, our approach focuses only on the timing of events and peaks, and no other distributional characteristics. We follow the framework of event coincidence analysis (ECA) that was originally developed to correlate point processes. We formulate a discrete-time variant of ECA and derive all required distributions to enable analyses of peaks in time series, with a special focus on serial dependencies and peaks over multiple thresholds. The analysis gives rise to a novel visualization of the association via quantile-trigger rate plots. We demonstrate the utility of our approach by analyzing whether Islamist terrorist attacks in Western Europe and North America systematically trigger bursts of hate speech and counter-hate speech on Twitter.
• Abstract（参考訳）: 憎しみの言葉はウェブ上どこにでもある。 近年,オンラインヘイトスピーチに寄与するオフライン原因が注目されている。 エクストリームな出来事が発生すると、ネット上でのヘイトスピーチの爆発が組織的に引き起こされるのか、という質問が繰り返されている。 形式的には、この質問はスパースイベントシリーズと時系列の関係を測るものである。 時系列におけるレア事象とピークの系統的関係を計測し, テストし, 可視化するための新しい統計手法を提案する。 時系列における因果推論や独立テストの従来の手法とは対照的に,本手法は事象とピークのタイミングのみに注目し,他の分布的特徴は認めない。 我々は、もともとポイントプロセスの相関のために開発されたイベント偶然解析(ECA)の枠組みに従う。 我々は,ECAの離散時間変種を定式化し,時系列におけるピークの解析を可能にするために必要なすべての分布を導出する。 この分析は、分位数-トリガーレートプロットによる相関の新たな可視化をもたらす。 欧米や北米におけるイスラム主義のテロ攻撃が、ヘイトスピーチや反ヘイトスピーチの爆発を組織的に引き起こしているかどうかを分析し、このアプローチの有用性を実証する。

関連論文リスト

• Timescale-agnostic characterisation for collective attention events [0.0]
  Twitter上のハッシュタグの使用には,トピックに対する注意パターンの異なる4つの特徴がある。 本研究では,これらの現象の発生に影響を及ぼす要因を調べるため,エージェントベースモデルを構築した。
  論文  参考訳（メタデータ） (2024-11-18T12:01:59Z)
• A Target-Aware Analysis of Data Augmentation for Hate Speech Detection [3.858155067958448]
  ヘイトスピーチは、ソーシャルネットワークの普及によって引き起こされる主要な脅威の1つだ。 本稿では,既存のデータを生成言語モデルで拡張し,ターゲットの不均衡を低減する可能性を検討する。 起源、宗教、障害などのヘイトカテゴリーでは、トレーニングのための強化データを用いたヘイトスピーチ分類は、拡張ベースラインが存在しない場合、10%以上のF1が向上する。
  論文  参考訳（メタデータ） (2024-10-10T15:46:27Z)
• Harnessing Temporal Causality for Advanced Temporal Action Detection [53.654457142657236]
  本稿では,因果的注意と因果的マンバを組み合わせたCausalTADを提案する。 Ego4D Challenge 2024では,EPIC-Kitchens Challenge 2024では行動認識,行動検出,音声によるインタラクション検出トラックで1位,Ego4D Challenge 2024ではMoment Queriesトラックで1位にランクインした。
  論文  参考訳（メタデータ） (2024-07-25T06:03:02Z)
• Double Mixture: Towards Continual Event Detection from Speech [60.33088725100812]
  音声イベント検出は、セマンティックイベントと音響イベントの両方のタグ付けを含むマルチメディア検索に不可欠である。 本稿では, 音声イベント検出における主な課題として, 過去の出来事を忘れることなく新たな事象を連続的に統合すること, 音響イベントからの意味のゆがみについて述べる。 本稿では,適応性を向上し,忘れることを防止するために,音声の専門知識と堅牢な記憶機構を融合する新しい手法「ダブルミキチャー」を提案する。
  論文  参考訳（メタデータ） (2024-04-20T06:32:00Z)
• Improving Weakly Supervised Sound Event Detection with Causal Intervention [46.229038054764956]
  既存の弱教師付き音響事象検出作業は、両タイプの同時発生を同時に調査していない。 まず、構造因果モデル(SCM)を構築し、コンテキストが共起共同設立者の主な原因であることを明らかにする。 因果解析に基づいて、WSSEDの因果介入(CI)手法を提案し、共起共同設立者の負の影響を除去する。
  論文  参考訳（メタデータ） (2023-03-10T03:13:36Z)
• Unifying Event Detection and Captioning as Sequence Generation via Pre-Training [53.613265415703815]
  本稿では,イベント検出とキャプションのタスク間関連性を高めるための,事前学習と微調整の統合フレームワークを提案する。 我々のモデルは最先端の手法よりも優れており、大規模ビデオテキストデータによる事前学習ではさらに向上できる。
  論文  参考訳（メタデータ） (2022-07-18T14:18:13Z)
• Modeling Collective Anticipation and Response on Wikipedia [1.299941371793082]
  本研究では,概日リズムとともに,予測的成長と集団的注意の崩壊といった重要な特徴を取り入れ,人気ピーク周辺のダイナミクスを記述するモデルを提案する。 我々の研究は、注意の時間的パターンとそれらが表す事象の特徴的基盤情報との関連性だけでなく、集合的注意のすべてのフェーズを適切にモデル化することの重要性を示す。
  論文  参考訳（メタデータ） (2021-05-23T09:51:32Z)
• Interval-censored Hawkes processes [82.87738318505582]
  本研究では,Hawkesプロセスのパラメータを間隔制限設定で推定するモデルを提案する。 我々は、ホークス族に対する非均質近似が、間隔検閲された設定において牽引可能な可能性を認めている方法を示す。
  論文  参考訳（メタデータ） (2021-04-16T07:29:04Z)
• Temporal Reasoning on Implicit Events from Distant Supervision [91.20159064951487]
  本稿では,暗黙的事象の理解度を評価する新しい時間的推論データセットを提案する。 我々は、暗黙の出来事と明示的な出来事の間の時間的関係を予測する際に、最先端のモデルが苦労していることを発見した。 本稿では,大規模テキストからの遠隔監視信号を利用して終末時刻を推定する,ニューロシンボリックな時間的推論モデルSYMTIMEを提案する。
  論文  参考訳（メタデータ） (2020-10-24T03:12:27Z)
• Two-Sample Testing for Event Impacts in Time Series [0.0]
  時系列と一連の観測イベント間の共有情報に対する非自明な統計的テストを提案する。 本テストでは,特定の事象検出手法にコミットすることなく,事象発生に関する情報を伝達する時系列を識別できる。
  論文  参考訳（メタデータ） (2020-01-31T16:13:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。