論文の概要: Addressing Hate Speech with Data Science: An Overview from Computer Science Perspective

• arxiv url: http://arxiv.org/abs/2103.10489v1
• Date: Thu, 18 Mar 2021 19:19:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-07 18:38:42.051970
• Title: Addressing Hate Speech with Data Science: An Overview from Computer Science Perspective
• Title（参考訳）: データサイエンスによるヘイトスピーチへの取り組み--コンピュータサイエンスの視点から
• Authors: Ivan Srba, Gabriele Lenzini, Matus Pikuliak, Samuel Pecar
• Abstract要約: コンピュータサイエンスの観点では、オンラインヘイトスピーチに対処することは、業界(主にソーシャルメディアプラットフォーム所有者)と学界の両方の注目を集める難しい課題である。 我々は、最先端のデータサイエンスアプローチの概要 - 彼らがヘイトスピーチをどのように定義するか、その現象を緩和するために解決するタスク、そしてこれらのタスクにどのように対処するか - について説明する。 我々は、現在のデータサイエンス研究における課題とオープンな問題と、この分野における今後の方向性を要約する。
• 参考スコア（独自算出の注目度）: 2.2940141855172027
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: From a computer science perspective, addressing on-line hate speech is a challenging task that is attracting the attention of both industry (mainly social media platform owners) and academia. In this chapter, we provide an overview of state-of-the-art data-science approaches - how they define hate speech, which tasks they solve to mitigate the phenomenon, and how they address these tasks. We limit our investigation mostly to (semi-)automatic detection of hate speech, which is the task that the majority of existing computer science works focus on. Finally, we summarize the challenges and the open problems in the current data-science research and the future directions in this field. Our aim is to prepare an easily understandable report, capable to promote the multidisciplinary character of hate speech research. Researchers from other domains (e.g., psychology and sociology) can thus take advantage of the knowledge achieved in the computer science domain but also contribute back and help improve how computer science is addressing that urgent and socially relevant issue which is the prevalence of hate speech in social media.
• Abstract（参考訳）: コンピュータサイエンスの観点では、オンラインヘイトスピーチに対処することは、業界(主にソーシャルメディアプラットフォーム所有者)と学界の両方の注目を集める難しい課題である。 この章では、最先端のデータサイエンスアプローチ - 彼らがヘイトスピーチをどのように定義するか、その現象を緩和するために解決するタスク、そしてこれらのタスクにどのように対処するか - の概要を説明します。 私たちは調査を主にヘイトスピーチの(半)自動検出に制限しています。 最後に、現在のデータサイエンス研究における課題とオープンな課題と、この分野における今後の方向性について要約する。 本研究の目的は,ヘイトスピーチ研究の多分野特性を促進できる,理解しやすいレポートを作成することである。 他の分野(心理学や社会学など)の研究者は、コンピュータサイエンスの領域で達成された知識を活用でき、また、ソーシャルメディアにおけるヘイトスピーチの流行である緊急かつ社会的に関連する問題に対するコンピュータサイエンスの対処方法の改善にも貢献できる。

関連論文リスト

• A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
  姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました 近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。 本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2024-09-24T03:06:25Z)
• Advancing Social Intelligence in AI Agents: Technical Challenges and Open Questions [67.60397632819202]
  ソーシャルインテリジェントAIエージェント(Social-AI)の構築は、多分野、マルチモーダルな研究目標である。 我々は、社会AIを前進させるために、基礎となる技術的課題と、コンピューティングコミュニティ全体にわたる研究者のためのオープンな質問を特定します。
  論文  参考訳（メタデータ） (2024-04-17T02:57:42Z)
• Topological Data Mapping of Online Hate Speech, Misinformation, and General Mental Health: A Large Language Model Based Study [6.803493330690884]
  機械学習と大規模言語モデルの最近の進歩は、そのような分析を可能にした。 本研究では,ソーシャルメディアサイトReddit上で,慎重に選択されたコミュニティから何千もの投稿を収集した。 各種コミュニティにおけるヘイトスピーチ/誤情報の役割を理解するため,埋め込みに基づく各種機械学習分類を行った。
  論文  参考訳（メタデータ） (2023-09-22T15:10:36Z)
• CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a Context Synergized Hyperbolic Network [52.85130555886915]
  CoSynは、オンライン会話における暗黙のヘイトスピーチを検出するために、ユーザと会話のコンテキストを明示的に組み込んだ、コンテキスト中心のニューラルネットワークである。 我々は、CoSynが、1.24%から57.8%の範囲で絶対的に改善された暗黙のヘイトスピーチを検出することで、我々のベースラインを全て上回っていることを示す。
  論文  参考訳（メタデータ） (2023-03-02T17:30:43Z)
• Qualitative Analysis of a Graph Transformer Approach to Addressing Hate Speech: Adapting to Dynamically Changing Content [8.393770595114763]
  我々は、ソーシャルネットワークにおけるヘイトスピーチ検出のために、このソリューションの詳細な質的分析を提供する。 重要な洞察は、コンテキストの概念に関する推論に焦点が当てられていることは、オンライン投稿のマルチモーダル分析をサポートするのに十分な位置にあるということだ。 この問題が特に動的変化のテーマとどのように関係しているかを考察して結論付けます。
  論文  参考訳（メタデータ） (2023-01-25T23:32:32Z)
• Coordinated Science Laboratory 70th Anniversary Symposium: The Future of Computing [80.72844751804166]
  2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。 シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。 参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
  論文  参考訳（メタデータ） (2022-10-04T17:32:27Z)
• A Review of Challenges in Machine Learning based Automated Hate Speech Detection [0.966840768820136]
  我々は、ヘイトスピーチ識別のための機械学習やディープラーニングベースのソリューションが直面する課題に焦点を当てている。 トップレベルでは、データレベル、モデルレベル、人間レベルの課題を区別します。 この調査は、ヘイトスピーチ検出の分野で、研究者がより効率的にソリューションを設計するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-09-12T14:56:14Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Analysis of Online Toxicity Detection Using Machine Learning Approaches [6.548580592686076]
  ソーシャルメディアやインターネットは、人々が情報の拡散や消費に欠かせない役割を担っている。 人口の半数近くがソーシャルメディアを使って意見や意見を表明している。 オンラインヘイトスピーチは、今やソーシャルメディアの欠点の1つであり、コントロールする必要がある。
  論文  参考訳（メタデータ） (2021-04-23T04:29:13Z)
• DeepHate: Hate Speech Detection via Multi-Faceted Text Representations [8.192671048046687]
  DeepHateは、単語埋め込み、感情、トピック情報などの多面的なテキスト表現を組み合わせた、新しいディープラーニングモデルです。 大規模な実験を行い、3つの大規模公開現実世界のデータセットでDeepHateを評価します。
  論文  参考訳（メタデータ） (2021-03-14T16:11:30Z)
• Mining Disinformation and Fake News: Concepts, Methods, and Recent Advancements [55.33496599723126]
  偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています 偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
  論文  参考訳（メタデータ） (2020-01-02T21:01:02Z)

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。