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

• ProvocationProbe: Instigating Hate Speech Dataset from Twitter [0.39052860539161904]
  textitProvocationProbeは、ヘイトスピーチを一般的なヘイトスピーチと区別するためのデータセットである。 本研究では、Twitterから約2万件のツイートを収集し、全世界で9件の論争を巻き起こした。
  論文  参考訳（メタデータ） (2024-10-25T16:57:59Z)
• Demarked: A Strategy for Enhanced Abusive Speech Moderation through Counterspeech, Detoxification, and Message Management [71.99446449877038]
  本研究では, 重度尺度, (ii) ターゲットの存在, (iii) 文脈尺度, (iv) 法的尺度の4つの側面を基礎として, より包括的手法であるDemarcation scoreing abusive speechを提案する。 本研究は,ネット上での虐待的スピーチを効果的に解決するための今後の戦略を明らかにすることを目的としている。
  論文  参考訳（メタデータ） (2024-06-27T21:45:33Z)
• Hostile Counterspeech Drives Users From Hate Subreddits [1.5035331281822]
  我々は、Redditにおけるヘイトサブレディット内の新参者に対する反音声の効果を分析した。 非敵対的なカウンタースピーチは、ユーザーがこれらの憎悪のサブレディットから完全に切り離すのを防ぐのに効果がない。 単一の敵対的な反論は、将来のエンゲージメントの可能性を大幅に減らす。
  論文  参考訳（メタデータ） (2024-05-28T17:12:41Z)
• Analyzing User Characteristics of Hate Speech Spreaders on Social Media [20.57872238271025]
  ヘイトスピーチにおけるユーザ特性の役割を分析する。 社会的影響の少ないユーザーは、ヘイトスピーチをシェアする傾向にある。 政治的反トランプと反右派憎悪は、より大きな社会的影響力を持つユーザーによって再創造される。
  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)
• 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)
• 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)

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。