論文の概要: Retweet communities reveal the main sources of hate speech
- arxiv url: http://arxiv.org/abs/2105.14898v1
- Date: Mon, 31 May 2021 11:43:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-01 16:48:08.599396
- Title: Retweet communities reveal the main sources of hate speech
- Title(参考訳): retweetコミュニティがヘイトスピーチの主な原因を明らかに
- Authors: Bojan Evkoski, Andraz Pelicon, Igor Mozetic, Nikola Ljubesic, Petra
Kralj Novak
- Abstract要約: 高度なディープラーニングを導入し,高品質なヘイトスピーチ分類モデルを構築した。
リツイートネットワークを作成し、コミュニティを検出し、時間を通してその進化を監視します。
ヘイトスピーチは、政治的、イデオロギー的な問題に関連する攻撃的なツイートによって支配されている。
受け入れがたいツイートの約60%は、中程度のサイズの1つの右翼コミュニティによって生成される。
- 参考スコア(独自算出の注目度): 0.6999740786886536
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We address a challenging problem of identifying main sources of hate speech
on Twitter. On one hand, we carefully annotate a large set of tweets for hate
speech, and deploy advanced deep learning to produce high quality hate speech
classification models. On the other hand, we create retweet networks, detect
communities and monitor their evolution through time. This combined approach is
applied to three years of Slovenian Twitter data. We report a number of
interesting results. Hate speech is dominated by offensive tweets, related to
political and ideological issues. The share of unacceptable tweets is
moderately increasing with time, from the initial 20% to 30% by the end of
2020. Unacceptable tweets are retweeted significantly more often than
acceptable tweets. About 60% of unacceptable tweets are produced by a single
right-wing community of only moderate size. Institutional Twitter accounts and
media accounts post significantly less unacceptable tweets than individual
accounts. However, the main sources of unacceptable tweets are anonymous
accounts, and accounts that were suspended or closed during the last three
years.
- Abstract(参考訳): Twitter上でヘイトスピーチの主な情報源を特定するという課題に対処する。
一方,ヘイトスピーチに対する大量のツイートを注意深く注釈し,高品質なヘイトスピーチ分類モデルを作成するために高度なディープラーニングを展開させる。
一方、私たちはリツイートネットワークを作り、コミュニティを検出し、時間を通じてその進化を監視します。
この組み合わせアプローチは、3年間のスロベニアのtwitterデータに適用される。
いくつかの興味深い結果を報告する。
ヘイトスピーチは政治的・イデオロギー的な問題に関連する攻撃的なツイートで支配されている。
容認できないツイートのシェアは、2020年末までに最初の20%から30%まで、適度に増加している。
許容できないツイートは、許容できるツイートよりもはるかに頻繁にリツイートされる。
受け入れがたいツイートの約60%は、適度な大きさの単一の右派コミュニティによって生成される。
機関のtwitterアカウントとメディアアカウントは、個々のアカウントよりも容認できないツイートを投稿する。
しかし、受け入れられないツイートの主なソースは匿名アカウントであり、過去3年間に停止または閉鎖されたアカウントである。
関連論文リスト
- Russo-Ukrainian War: Prediction and explanation of Twitter suspension [47.61306219245444]
本研究は、Twitterのサスペンション機構と、これにつながる可能性のあるユーザアカウントの共有コンテンツと機能の分析に焦点を当てる。
Twitter APIを使って、980万人のユーザーから生まれた107.7万のツイートを含むデータセットを入手しました。
この結果から、Bitcoin詐欺、スパム、広告キャンペーンに対するロシアとウクライナの紛争に関するトレンドを生かした詐欺キャンペーンが明らかになった。
論文 参考訳(メタデータ) (2023-06-06T08:41:02Z) - Predicting Hate Intensity of Twitter Conversation Threads [26.190359413890537]
DRAGNET++は、将来、ツイートが返信チェーンを通じてもたらす憎悪の強さを予測することを目的としている。
ツイートスレッドのセマンティックな構造と伝播構造を利用して、続く各ツイートにおけるヘイトインテンシティの低下につながるコンテキスト情報を最大化する。
DRAGNET++は最先端のすべてのベースラインを大幅に上回ることを示す。
論文 参考訳(メタデータ) (2022-06-16T18:51:36Z) - Manipulating Twitter Through Deletions [64.33261764633504]
Twitter上でのインフルエンスキャンペーンの研究は、公開APIを通じて得られたツイートから悪意のあるアクティビティを識別することに大きく依存している。
ここでは,1100万以上のアカウントによる10億以上の削除を含む,異常な削除パターンを網羅的かつ大規模に分析する。
少数のアカウントが毎日大量のツイートを削除していることがわかった。
まず、ツイートのボリューム制限が回避され、特定のアカウントが毎日2600万以上のツイートをネットワークに流すことができる。
第二に、調整されたアカウントのネットワークは、繰り返しのいいね!や、最終的に削除されるコンテンツとは違って、ランキングアルゴリズムを操作できる。
論文 参考訳(メタデータ) (2022-03-25T20:07:08Z) - Negativity Spreads Faster: A Large-Scale Multilingual Twitter Analysis
on the Role of Sentiment in Political Communication [7.136205674624813]
本稿は、欧州3カ国の政治家のツイートを分析しようとするものである。
最先端の事前訓練言語モデルを利用することで、数十万のツイートに対して感情分析を行った。
我々の分析は、政治家の否定的なツイートが、特に最近の時代に広く広まっていることを示している。
論文 参考訳(メタデータ) (2022-02-01T13:25:19Z) - Comparing the Language of QAnon-related content on Parler, Gab, and
Twitter [68.8204255655161]
保守派の間で人気の「言論の自由」プラットフォームであるParlerは、2021年1月に、憎悪やQAnonなどの陰謀に関するコンテンツのモデレーションの欠如により、オフラインになった。
われわれは投稿をParlerの#QAnonというハッシュタグと比較する。
Gabはヘイト条件の#QAnon投稿が最も多く、ParlerとTwitterも同様である。
これら3つのプラットフォームにおいて、女性政治家、民主党員、ドナルド・トランプに言及する投稿は、男性政治家、共和党員、あるいは共和党員に言及する投稿よりも、より反社会的な言葉を持っている。
論文 参考訳(メタデータ) (2021-11-22T11:19:15Z) - A Dataset of State-Censored Tweets [3.0254442724635173]
2012年から2020年7月までに検閲された155,715人のツイート583,437件のデータセットをリリースしました。
また、検閲された4,301のアカウントもリリースしました。
我々のデータセットは政府の検閲の研究に役立つだけでなく、ヘイトスピーチの検出やソーシャルメディアユーザーに対する検閲の効果の研究にも役立ちます。
論文 参考訳(メタデータ) (2021-01-15T00:18:27Z) - Understanding the Hoarding Behaviors during the COVID-19 Pandemic using
Large Scale Social Media Data [77.34726150561087]
われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。
ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。
LIWCの不安度はTwitterの不安度よりもかなり高い。
論文 参考訳(メタデータ) (2020-10-15T16:02:25Z) - Adoption of Twitter's New Length Limit: Is 280 the New 140? [20.146636010105926]
2017年11月、Twitterは最大ツイート長を140文字から280文字に倍増させた。
約3年間にわたって、Twitterが公開している1%のサンプルを分析します。
長さ制限が140文字から280文字に引き上げられたとき、140文字前後のツイートの頻度はすぐに低下した。
この上昇にもかかわらず、長さ制限に近づいたツイートは、スイッチ前よりもはるかに少なかった。
論文 参考訳(メタデータ) (2020-09-16T13:01:05Z) - Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media
during the COVID-19 Crisis [51.39895377836919]
新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。
我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。
私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
論文 参考訳(メタデータ) (2020-05-25T21:58:09Z) - Russian trolls speaking Russian: Regional Twitter operations and MH17 [68.8204255655161]
2018年、Twitterはロシアのトロルとして特定されたアカウントのデータを公開した。
我々はこれらのトロルのロシア語操作を分析する。
MH17の事故に関するトロルズの情報キャンペーンは、ツイート数で最大のものだった。
論文 参考訳(メタデータ) (2020-05-13T19:48:12Z)
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。