論文の概要: Going Extreme: Comparative Analysis of Hate Speech in Parler and Gab
- arxiv url: http://arxiv.org/abs/2201.11770v1
- Date: Thu, 27 Jan 2022 19:29:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-31 15:43:48.471364
- Title: Going Extreme: Comparative Analysis of Hate Speech in Parler and Gab
- Title（参考訳）: Going Extreme:パラーとガブにおけるヘイトスピーチの比較分析
- Authors: Abraham Israeli and Oren Tsur
- Abstract要約: われわれはParler上でのヘイトスピーチの大規模分析を行った。
分類精度を改善するために10K Parlerの投稿に注釈を付けた。
ヘイト・モンジャーはパラーのアクティブユーザー数の16.1%を占める。
- 参考スコア（独自算出の注目度）: 2.487445341407889
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Social platforms such as Gab and Parler, branded as `free-speech' networks,
have seen a significant growth of their user base in recent years. This
popularity is mainly attributed to the stricter moderation enforced by
mainstream platforms such as Twitter, Facebook, and Reddit. In this work we
provide the first large scale analysis of hate-speech on Parler.
We experiment with an array of algorithms for hate-speech detection,
demonstrating limitations of transfer learning in that domain, given the
illusive and ever changing nature of the ways hate-speech is delivered. In
order to improve classification accuracy we annotated 10K Parler posts, which
we use to fine-tune a BERT classifier. Classification of individual posts is
then leveraged for the classification of millions of users via label
propagation over the social network. Classifying users by their propensity to
disseminate hate, we find that hate mongers make 16.1\% of Parler active users,
and that they have distinct characteristics comparing to other user groups. We
find that hate mongers are more active, more central and express distinct
levels of sentiment and convey a distinct array of emotions like anger and
sadness. We further complement our analysis by comparing the trends discovered
in Parler and those found in Gab.
To the best of our knowledge, this is among the first works to analyze hate
speech in Parler in a quantitative manner and on the user level, and the first
annotated dataset to be made available to the community.
- Abstract（参考訳）: Gab や Parler といったソーシャルプラットフォームは 'free-speech' ネットワークとしてブランド化されているが、近年はユーザーベースが大きく成長している。
この人気は主に、Twitter、Facebook、Redditなどの主流プラットフォームによって強制される厳格なモデレーションによるものである。
本研究では,パラーに対するヘイトスピーチの大規模解析を初めて実施する。
我々はヘイト音声検出のための一連のアルゴリズムを実験し、ヘイト音声の配信方法の具体的かつ絶え間なく変化する性質を考慮し、その領域における移動学習の限界を示す。
分類精度を向上させるために10K Parlerポストをアノテートし,BERT分類器を微調整した。
個々の投稿の分類は、ソーシャルネットワーク上でラベルの伝搬を通じて何百万というユーザーの分類に利用される。
ヘイトを広める傾向によってユーザーを分類すると、ヘイトモンガーはパーラーアクティブユーザーの16.1\%を占め、他のユーザーグループと異なる特徴を持っていることが分かる。
ヘイトモンガーはより活発で、より中心的であり、感情の異なるレベルを表現し、怒りや悲しみのような異なる感情を伝達している。
さらに、Parler で発見されたトレンドと Gab で発見された傾向を比較して分析を補完する。
私たちの知る限りでは、これはパーラーのヘイトスピーチを定量的に、ユーザレベルで分析する最初の作品のひとつであり、コミュニティが利用可能な最初の注釈付きデータセットです。
関連論文リスト
- Hierarchical Sentiment Analysis Framework for Hate Speech Detection: Implementing Binary and Multiclass Classification Strategy [0.0]
本稿では,英語におけるヘイトスピーチを検出するために,共有感情表現と統合された新しいマルチタスクモデルを提案する。
我々は、感情分析とトランスフォーマーに基づく訓練モデルを利用することで、複数のデータセット間でのヘイトスピーチの検出を大幅に改善できると結論付けた。
論文 参考訳（メタデータ） (2024-11-03T04:11:33Z) - 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) - When the Majority is Wrong: Modeling Annotator Disagreement for Subjective Tasks [45.14664901245331]
ヘイトスピーチの検出における重要な問題は、ある声明が人口集団に対して攻撃的であるかどうかを決定することである。
我々は、潜在的に攻撃的なテキストに基づいて、個々のアノテータ評価を予測するモデルを構築した。
その結果、アノテータの評価は、その人口統計情報とオンラインコンテンツに関する意見を用いて予測できることがわかった。
論文 参考訳（メタデータ） (2023-05-11T07:55:20Z) - Hate Speech Targets Detection in Parler using BERT [0.0]
本稿では,ヘイトスピーチとそのターゲットを検知し,パラーヘイトターゲットの分布を生成するパイプラインを提案する。
パイプラインは2つのモデルで構成されており、1つはヘイトスピーチ検出用、もう1つはターゲット分類用である。
論文 参考訳（メタデータ） (2023-04-03T17:49:04Z) - 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) - CRUSH: Contextually Regularized and User anchored Self-supervised Hate
speech Detection [6.759148939470331]
CRUSHは,ユーザが選択した自己スーパービジョンと文脈正規化を用いたヘイトスピーチ検出のためのフレームワークである。
提案手法は,2種類のタスクと複数のポピュラーなソーシャルメディアデータセットに対して,過去のアプローチよりも1～12%向上する。
論文 参考訳（メタデータ） (2022-04-13T13:51:51Z) - Deep Learning for Hate Speech Detection: A Comparative Study [54.42226495344908]
ここでは, ディープ・ヘイト・音声検出法と浅いヘイト・音声検出法を大規模に比較した。
私たちの目標は、この地域の進歩を照らし、現在の最先端の強みと弱点を特定することです。
そこで我々は,ヘイトスピーチ検出の実践的利用に関するガイダンスの提供,最先端の定量化,今後の研究方向の特定を目的としている。
論文 参考訳（メタデータ） (2022-02-19T03:48:20Z) - 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) - Hate speech detection using static BERT embeddings [0.9176056742068814]
ヘイトスピーチは、特定のグループの特徴をターゲットとした虐待的スピーチを表現する主要な関心事として浮上している。
本稿では,単語埋め込みの置き換えや統合によるヘイトスピーチ検出の性能解析を行う。
細調整されたBERTと比較して、大幅に改善された指標は特異性である。
論文 参考訳（メタデータ） (2021-06-29T16:17:10Z) - 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。