論文の概要: Monitoring the evolution of antisemitic discourse on extremist social media using BERT
- arxiv url: http://arxiv.org/abs/2403.05548v1
- Date: Tue, 6 Feb 2024 20:34:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 06:19:57.801059
- Title: Monitoring the evolution of antisemitic discourse on extremist social media using BERT
- Title（参考訳）: BERTを用いた過激派ソーシャルメディアにおける反ユダヤ的言論の進化のモニタリング
- Authors: Raza Ul Mustafa, Nathalie Japkowicz,
- Abstract要約: ソーシャルメディアに対する人種差別と不寛容は、悪質なオンライン環境に寄与する。
オンライン議論において、反ユダヤ主義のテーマとその関連する用語を追跡することは、参加者の感情を監視するのに役立つだろう。
- 参考スコア（独自算出の注目度）: 3.3037858066178662
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Racism and intolerance on social media contribute to a toxic online environment which may spill offline to foster hatred, and eventually lead to physical violence. That is the case with online antisemitism, the specific category of hatred considered in this study. Tracking antisemitic themes and their associated terminology over time in online discussions could help monitor the sentiments of their participants and their evolution, and possibly offer avenues for intervention that may prevent the escalation of hatred. Due to the large volume and constant evolution of online traffic, monitoring conversations manually is impractical. Instead, we propose an automated method that extracts antisemitic themes and terminology from extremist social media over time and captures their evolution. Since supervised learning would be too limited for such a task, we created an unsupervised online machine learning approach that uses large language models to assess the contextual similarity of posts. The method clusters similar posts together, dividing, and creating additional clusters over time when sub-themes emerge from existing ones or new themes appear. The antisemitic terminology used within each theme is extracted from the posts in each cluster. Our experiments show that our methodology outperforms existing baselines and demonstrates the kind of themes and sub-themes it discovers within antisemitic discourse along with their associated terminology. We believe that our approach will be useful for monitoring the evolution of all kinds of hatred beyond antisemitism on social platforms.
- Abstract（参考訳）: ソーシャルメディア上での人種差別や不寛容は、悪質なオンライン環境に寄与する。
オンラインの反ユダヤ主義は、この研究で考慮された特定の憎しみのカテゴリーである。
オンライン議論において、反ユダヤ主義のテーマとその関連する用語を追跡することは、参加者の感情やその進化をモニターし、憎しみのエスカレーションを防ぐための介入の道を提供するのに役立つかもしれない。
オンライントラフィックの大量かつ絶え間ない進化のため、手動で会話を監視することは現実的ではない。
代わりに、過激派ソーシャルメディアから反ユダヤ主義的テーマや用語を時間をかけて抽出し、その進化を捉える自動手法を提案する。
教師付き学習はそのようなタスクには制限されないため、大規模な言語モデルを用いて投稿の文脈的類似性を評価する、教師なしのオンライン機械学習アプローチを作成しました。
このメソッドは、同様のポストをまとめ、分割し、既存のテーマや新しいテーマからサブテーマが現れたときに、時間とともに追加のクラスタを生成する。
各テーマ内で使用される反ユダヤ的用語は、各クラスタ内のポストから抽出される。
実験により,本手法は既存の基準よりも優れており,関連する用語とともに,反ユダヤ的言説の中で発見されるテーマやサブテーマの種類が示されている。
当社のアプローチは、社会プラットフォーム上での反ユダヤ主義以外のあらゆる憎悪の進化を監視するのに役立つと信じている。
関連論文リスト
- Using LLMs to discover emerging coded antisemitic hate-speech in
extremist social media [4.104047892870216]
本稿では,新たに出現するヘイトレイデン用語を検出する手法を提案する。
この方法論は、オンラインの反ユダヤ的談話の文脈でテストされる。
論文 参考訳（メタデータ） (2024-01-19T17:40:50Z) - Attacks in Adversarial Machine Learning: A Systematic Survey from the
Life-cycle Perspective [69.25513235556635]
敵対的機械学習(英: Adversarial Machine Learning、AML)は、機械学習の逆行現象を研究する。
機械学習システムの異なる段階で発生するこの敵対現象を探求するために、いくつかのパラダイムが最近開発された。
既存の攻撃パラダイムをカバーするための統一的な数学的枠組みを提案する。
論文 参考訳（メタデータ） (2023-02-19T02:12:21Z) - Countering Malicious Content Moderation Evasion in Online Social
Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。
本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
論文 参考訳（メタデータ） (2022-12-27T16:08:49Z) - Codes, Patterns and Shapes of Contemporary Online Antisemitism and
Conspiracy Narratives -- an Annotation Guide and Labeled German-Language
Dataset in the Context of COVID-19 [0.0]
インターネット上の反ユダヤ的・陰謀論のコンテンツは、データ駆動型アルゴリズムアプローチを不可欠にしている。
我々は、新型コロナウイルスのパンデミックの文脈において、オンラインコンテンツにおける反ユダヤ的・陰謀的理論のためのアノテーションガイドを開発する。
我々は、コード化やホロコースト後のアンチ・セミズムのような特定の形のアンチ・セミズムを含む作業定義を提供する。
論文 参考訳（メタデータ） (2022-10-13T10:32:39Z) - Detecting and Understanding Harmful Memes: A Survey [48.135415967633676]
我々は有害なミームに焦点を当てた総合的な調査を行っている。
興味深い発見の1つは、多くの有害ミームが実際には研究されていないことである。
別の観察では、ミームは異なる言語で再パッケージ化することでグローバルに伝播し、多言語化することもできる。
論文 参考訳（メタデータ） (2022-05-09T13:43:27Z) - Attack to Fool and Explain Deep Networks [59.97135687719244]
対人摂動における人為的意味のパターンの証拠を提供することによって、私たちは逆転する。
我々の主な貢献は、その後視覚モデルを理解するためのツールに変換される、新しい実用的対人攻撃である。
論文 参考訳（メタデータ） (2021-06-20T03:07:36Z) - "Subverting the Jewtocracy": Online Antisemitism Detection Using
Multimodal Deep Learning [23.048101866010445]
オンラインの反ユダヤ主義の自動マルチモーダル検出の方向の最初の仕事を提示します。
TwitterとGabからの3,102と3,509のソーシャルメディア投稿で2つのデータセットをラベル付けしました。
本論文では, ポストからのテキストと画像を用いて, アンチセミズムコンテンツとその特定のアンチセミズムカテゴリの存在を検出するマルチモーダル深層学習システムを提案する。
論文 参考訳（メタデータ） (2021-04-13T05:22:55Z) - It's a Thin Line Between Love and Hate: Using the Echo in Modeling
Dynamics of Racist Online Communities [0.8164433158925593]
2016年初め、(((echo))という記号は、アメリカ合衆国大統領選挙の激化と共に、主流のソーシャルネットワークに普及した。
ユダヤ人の遺産をタグ付けするために、アルト右派、白人至上主義者、インターネットトロルのメンバーが使用した。
この流行するミーム、その意味、そしてその機能を追跡することは、その意味的あいまいさによって明らかになっている。
論文 参考訳（メタデータ） (2020-11-16T20:47:54Z) - Detecting Online Hate Speech: Approaches Using Weak Supervision and
Network Embedding Models [2.3322477552758234]
本研究では,ヘイトフルユーザを定量的に発見する弱監督型深層学習モデルを提案する。
我々は、19.2Mの投稿において、我々のモデルを評価し、我々の弱い監督モデルは、間接的に憎悪的な相互作用を識別するベースラインモデルよりも優れていることを示す。
また,Gabにおける2種類のユーザインタラクション(引用と応答)と,弱監督モデルからのインタラクションスコアをエッジウェイトとして分析し,ヘイトフルユーザを予測する。
論文 参考訳（メタデータ） (2020-07-24T18:13:52Z) - 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。