深入剖析 Twitter 上持续发布有毒内容的 1% 用户
社会与信息网络
2022-02-17 v1 计算机与社会
摘要
在线社交网络（OSN）中的不当行为是一个日益增长的现象。迄今为止的研究往往侧重于部署机器学习来识别和分类各类不当行为，例如欺凌、攻击和种族主义等。识别的主要目标是遏制自然与机械的不当行为，使在线社交网络成为更安全的社交讨论场所。超越以往工作，我们对大量 Twitter 用户档案进行了纵向研究，这使我们能够根据用户持续发布高度有毒内容的程度来刻画其画像。我们的数据涵盖来自 122K 个 Twitter 用户档案、超过 293M 条推文的 14 年记录。从这些数据中，我们选取了在有毒内容一致性方面最为极端的用户档案，并检查了他们的推文文本以及他们分享的域名、标签和 URL。我们发现，这些被选中的档案主题狭窄，在标签、URL 和域名上的多样性较低，它们在主题上彼此相似（即便非出于意图，也呈协调之势），并且具有较高可能性的类机器人行为（很可能具有意图施加影响的发起者）。我们的工作向研究界贡献了一个大规模纵向在线不当行为数据集，并确立了用户档案有毒行为的一致性作为探索在线社交网络上不当行为作为影响力运作潜在辅助因素时的有用变量。
引用
@article{arxiv.2202.07853,
title = {A deep dive into the consistently toxic 1% of Twitter},
author = {Hina Qayyum and Benjamin Zi Hao Zhao and Ian D. Wood and Muhammad Ikram and Mohamed Ali Kaafar and Nicolas Kourtellis},
journal= {arXiv preprint arXiv:2202.07853},
year = {2022}
}