論文の概要: Nipping in the Bud: Detection, Diffusion and Mitigation of Hate Speech
on Social Media
- arxiv url: http://arxiv.org/abs/2201.00961v1
- Date: Tue, 4 Jan 2022 03:44:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-05 21:18:14.815715
- Title: Nipping in the Bud: Detection, Diffusion and Mitigation of Hate Speech
on Social Media
- Title(参考訳): ニッピング・イン・ザ・バッド:ソーシャルメディアにおけるヘイトスピーチの検出、拡散、緩和
- Authors: Tanmoy Chakraborty, Sarah Masud
- Abstract要約: 本稿では,自動ヘイト緩和システムの構築を妨げる方法論的課題について述べる。
ソーシャルメディア上でのヘイトスピーチの拡散を制限するための一連のソリューションについて論じる。
- 参考スコア(独自算出の注目度): 21.47216483704825
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since the proliferation of social media usage, hate speech has become a major
crisis. Hateful content can spread quickly and create an environment of
distress and hostility. Further, what can be considered hateful is contextual
and varies with time. While online hate speech reduces the ability of already
marginalised groups to participate in discussion freely, offline hate speech
leads to hate crimes and violence against individuals and communities. The
multifaceted nature of hate speech and its real-world impact have already
piqued the interest of the data mining and machine learning communities.
Despite our best efforts, hate speech remains an evasive issue for researchers
and practitioners alike. This article presents methodological challenges that
hinder building automated hate mitigation systems. These challenges inspired
our work in the broader area of combating hateful content on the web. We
discuss a series of our proposed solutions to limit the spread of hate speech
on social media.
- Abstract(参考訳): ソーシャルメディアの利用が急増して以来、ヘイトスピーチは深刻な危機となっている。
不快なコンテンツは素早く広がり、苦痛と敵意の環境を作ることができる。
さらに、憎悪と見なされるものは文脈的であり、時間によって異なる。
オンラインヘイトスピーチは、既に疎外されたグループが自由に議論に参加する能力を減らすが、オフラインヘイトスピーチは、憎悪犯罪や個人やコミュニティに対する暴力につながる。
ヘイトスピーチの多面的な性質とその現実世界への影響は、データマイニングと機械学習コミュニティの関心をすでに高めている。
私たちのベストな努力にもかかわらず、ヘイトスピーチは研究者や実践者にとっても避けられない問題です。
本稿では,自動ヘイト緩和システムの構築を妨げる方法論的課題について述べる。
これらの課題は、web上の憎しみのあるコンテンツと戦う幅広い領域において、私たちの仕事に刺激を与えました。
ソーシャルメディア上でのヘイトスピーチの拡散を制限するための一連のソリューションについて論じる。
関連論文リスト
- Causal Understanding of Why Users Share Hate Speech on Social Media [23.128421664169654]
我々は、ユーザーがヘイトスピーチを再共有するユーザ属性の包括的、因果的分析を示す。
我々は新しい3段階の因果関係の枠組みを開発する。
フォロワーが減り、友達も減り、投稿も減り、ヘイトスピーチが増えた。
論文 参考訳(メタデータ) (2023-10-24T12:17:48Z) - Analyzing Norm Violations in Live-Stream Chat [49.120561596550395]
本研究は,ライブストリーミングプラットフォーム上での会話における規範違反を検出することを目的とした,最初のNLP研究である。
ライブストリームチャットにおける標準違反カテゴリを定義し、Twitchから4,583のコメントを注釈付けします。
以上の結果から,適切なコンテキスト情報がモデレーション性能を35%向上させる可能性が示唆された。
論文 参考訳(メタデータ) (2023-05-18T05:58:27Z) - 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) - Quantifying How Hateful Communities Radicalize Online Users [2.378428291297535]
我々は、他のソーシャルネットワークに伝播するヘイトスピーチの観点から、フロンティアヘイトフルなコミュニティに参加することの影響を計測する。
Redditのデータを使って、1種類のエコーチャンバーに参加する効果を評価する。
有害な言論はコミュニティに留まらないことを示す。
論文 参考訳(メタデータ) (2022-09-19T01:13:29Z) - Hate Speech Classification Using SVM and Naive BAYES [0.0]
多くの国は、オンラインヘイトスピーチを避けるための法律を開発した。
しかし、オンラインコンテンツが成長を続けるにつれ、ヘイトスピーチが広まる。
ヘイトスピーチを検出して削除するために、オンラインユーザーコンテンツを自動的に処理することが重要である。
論文 参考訳(メタデータ) (2022-03-21T17:15:38Z) - Beyond Plain Toxic: Detection of Inappropriate Statements on Flammable
Topics for the Russian Language [76.58220021791955]
本稿では,不合理性という二項的概念と,センシティブなトピックの多項的概念に基づいてラベル付けされた2つのテキストコレクションについて述べる。
不適切な概念を客観するために、クラウドソーシングではデータ駆動方式で定義する。
論文 参考訳(メタデータ) (2022-03-04T15:59:06Z) - Addressing the Challenges of Cross-Lingual Hate Speech Detection [115.1352779982269]
本稿では,低リソース言語におけるヘイトスピーチ検出を支援するために,言語間移動学習に着目した。
言語間単語の埋め込みを利用して、ソース言語上でニューラルネットワークシステムをトレーニングし、ターゲット言語に適用します。
本研究では,ヘイトスピーチデータセットのラベル不均衡の問題について検討する。なぜなら,ヘイトサンプルと比較して非ヘイトサンプルの比率が高いことがモデル性能の低下につながることが多いからだ。
論文 参考訳(メタデータ) (2022-01-15T20:48:14Z) - Countering Online Hate Speech: An NLP Perspective [34.19875714256597]
オンラインヘイトフル行動の傘語であるオンライン毒性は、オンラインヘイトスピーチのような形で現れている。
ソーシャルメディアを通じた大量コミュニケーションの増加は、オンラインヘイトスピーチの有害な結果をさらに悪化させる。
本稿では、ヘイトスピーチにおけるNLP対応手法に関する総合的な概念的枠組みと、オンラインヘイトスピーチ対策におけるNLPの現在の動向に関する徹底的な調査について述べる。
論文 参考訳(メタデータ) (2021-09-07T08:48:13Z) - Impact and dynamics of hate and counter speech online [0.0]
市民によるカウンタースピーチは、ヘイトスピーチと戦い、平和的で非分極的な言論を促進するための有望な方法だ。
われわれはドイツのTwitterで4年間に起きた180,000件の政治的会話を分析した。
論文 参考訳(メタデータ) (2020-09-16T01:43:28Z) - 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) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳(メタデータ) (2020-04-20T20:00:27Z)
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。