論文の概要: A longitudinal study of the top 1% toxic Twitter profiles
- arxiv url: http://arxiv.org/abs/2303.14603v1
- Date: Sun, 26 Mar 2023 01:55:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-28 18:36:31.569951
- Title: A longitudinal study of the top 1% toxic Twitter profiles
- Title（参考訳）: 有毒なTwitterプロフィールのトップ1%に関する縦断的研究
- Authors: Hina Qayyum, Benjamin Zi Hao Zhao, Ian D. Wood, Muhammad Ikram,
Mohamed Ali Kaafar, Nicolas Kourtellis
- Abstract要約: われわれはTwitterのプロフィール143万件を調査し、Twitter上の有害コンテンツの上位1%のプロデューサの行動に焦点を当てた。
合計で2億2300万のツイートが16年間にわたって流れているため、時系列データによって、関連するすべてのプロフィールのタイムラインを再構築することができます。
ツイートはハッシュタグ、URL、ドメインの多様性が低い狭いテーマに保たれています。
- 参考スコア（独自算出の注目度）: 9.669275987983447
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Toxicity is endemic to online social networks including Twitter. It follows a
Pareto like distribution where most of the toxicity is generated by a very
small number of profiles and as such, analyzing and characterizing these toxic
profiles is critical. Prior research has largely focused on sporadic, event
centric toxic content to characterize toxicity on the platform. Instead, we
approach the problem of characterizing toxic content from a profile centric
point of view. We study 143K Twitter profiles and focus on the behavior of the
top 1 percent producers of toxic content on Twitter, based on toxicity scores
of their tweets availed by Perspective API. With a total of 293M tweets,
spanning 16 years of activity, the longitudinal data allow us to reconstruct
the timelines of all profiles involved. We use these timelines to gauge the
behavior of the most toxic Twitter profiles compared to the rest of the Twitter
population. We study the pattern of tweet posting from highly toxic accounts,
based on the frequency and how prolific they are, the nature of hashtags and
URLs, profile metadata, and Botometer scores. We find that the highly toxic
profiles post coherent and well articulated content, their tweets keep to a
narrow theme with lower diversity in hashtags, URLs, and domains, they are
thematically similar to each other, and have a high likelihood of bot like
behavior, likely to have progenitors with intentions to influence, based on
high fake followers score. Our work contributes insight into the top 1 percent
of toxic profiles on Twitter and establishes the profile centric approach to
investigate toxicity on Twitter to be beneficial.
- Abstract（参考訳）: ToxicityはTwitterを含むオンラインソーシャルネットワークに根ざしている。
これは、非常に少数のプロファイルによって毒性が生成されるパレート様分布に従っており、これらの毒性プロファイルの分析と特徴付けが重要である。
以前の研究は、プラットフォーム上で毒性を特徴付けるために、散発的なイベント中心の毒性コンテンツに重点を置いてきた。
代わりに、プロファイル中心の観点から有害なコンテンツを特徴づけるという問題にアプローチする。
我々は143万のtwitterプロフィールを調査し、twitter上の有害コンテンツ生産者のトップ1%の行動に焦点を当てた。
合計で2億9300万のつぶやきが16年のアクティビティにまたがっていて、その縦断データは、関係するすべてのプロフィールのタイムラインを再構築できる。
これらのタイムラインを使って、最も有毒なtwitterプロフィールの振る舞いを他のtwitter人口と比較した。
本研究では,その頻度,頻度,ハッシュタグやURLの性質,プロフィールメタデータ,ボットメータースコアなどに基づいて,非常に有毒なアカウントからツイートを投稿するパターンについて検討する。
ツイートはハッシュタグ、URL、ドメインの多様性の低い狭いテーマに保たれており、テーマ的には互いに似ており、偽のフォロワースコアに基づいて、前駆者に影響を与える意図のあるボットのような行動の可能性が高いことが判明した。
私たちの研究は、twitterの有毒プロフィールのトップ1%に対する洞察を提供し、twitterの有毒性を調査するためのプロファイル中心のアプローチを確立しています。
関連論文リスト
- Twits, Toxic Tweets, and Tribal Tendencies: Trends in Politically Polarized Posts on Twitter [5.161088104035108]
個人レベルでの毒性と,Twitter/X上でのトピックレベルに寄与するパーシスタンスと感情分極が果たす役割について検討する。
43,151人のTwitter/Xユーザーから8960万のツイートを収集した後、パーティショニングを含むいくつかのアカウントレベルの特徴が、ユーザーが有害コンテンツを投稿する頻度を予測するかを決定する。
論文 参考訳（メタデータ） (2023-07-19T17:24:47Z) - Understanding the Bystander Effect on Toxic Twitter Conversations [1.1339580074756188]
会話における有害なツイートに対する最初の直接応答の毒性が、その後の応答に対するグループ規範を確立しているかどうかを検討する。
9kの会話に属する156k以上のツイートのランダムなサンプルを分析した。
論文 参考訳（メタデータ） (2022-11-19T18:31:39Z) - User Engagement and the Toxicity of Tweets [1.1339580074756188]
我々は85,300件以上のTwitter会話のランダムなサンプルを分析し、有毒な会話と非有毒な会話の違いを調べる。
有毒な会話(少なくとも1つの有毒なツイートを持つ会話)は、長いが、無害な会話に比べて、個人ユーザーが会話に貢献する割合は少ない。
また、有害なツイートに対する最初の応答の毒性と会話の毒性との関係も調べる。
論文 参考訳（メタデータ） (2022-11-07T20:55:22Z) - 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) - A deep dive into the consistently toxic 1% of Twitter [9.669275987983447]
この調査は、112万のTwitterプロフィールから14年間のツイートと2億2300万以上のツイートをカバーしている。
有害なコンテンツの一貫性の観点から最も極端なプロファイルを選択し、彼らのツイートテキストと、彼らが共有したドメイン、ハッシュタグ、URLを調べました。
その結果、これらのプロファイルはハッシュタグ、URL、ドメインの多様性の低い狭いテーマに保たれており、数学的に互いに似ており、ボットのような振る舞いの可能性が高いことがわかった。
論文 参考訳（メタデータ） (2022-02-16T04:21:48Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - Annotators with Attitudes: How Annotator Beliefs And Identities Bias
Toxic Language Detection [75.54119209776894]
本研究では,アノテータのアイデンティティ(誰)と信念(なぜ)が有害な言語アノテーションに与える影響について検討する。
我々は、アンチブラック言語、アフリカ系アメリカ人の英語方言、俗語という3つの特徴を持つポストを考察する。
以上の結果から,アノテータのアイデンティティと信念と毒性評価の相関が強く示唆された。
論文 参考訳（メタデータ） (2021-11-15T18:58:20Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - 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) - ALONE: A Dataset for Toxic Behavior among Adolescents on Twitter [5.723363140737726]
本稿では,ALONE(AdoLescents ON twittEr)と呼ばれる,高校生間の有害なソーシャルメディアインタラクションのデータセットを提供する。
インターネット利用者の66%近くがオンラインハラスメントを経験しており、41%が個人的体験を主張しており、18%が深刻なオンラインハラスメントに直面している。
我々の観察では、個々のツイートが有害な行動を示す十分な証拠を提供していないことが示されており、インタラクションにおける意味のあるコンテキストの利用により、報告された有害性のあるツイートをハイライトしたり削除したりすることが可能である。
論文 参考訳（メタデータ） (2020-08-14T17:02:55Z) - Privacy-Aware Recommender Systems Challenge on Twitter's Home Timeline [47.434392695347924]
ACM RecSysが主催するRecSys 2020 Challengeは、このデータセットを使用してTwitterと提携している。
本稿では,ユーザエンゲージメントを予測しようとする研究者や専門家が直面する課題について述べる。
論文 参考訳（メタデータ） (2020-04-28T23:54:33Z)
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。