推特前 1% 毒性用户资料的纵向研究
社会与信息网络
2023-03-28 v1 计算机与社会
摘要
毒性在包括推特在内的在线社交网络中十分普遍。其呈类帕累托分布，即绝大多数毒性内容由极少量用户资料产生，因此分析和刻画这些毒性资料至关重要。先前研究多聚焦于偶发、以事件为中心的毒性内容来刻画平台上的毒性。相反，我们从以用户资料为中心的视角切入毒性内容刻画问题。我们研究了 143K 个推特资料，并基于 Perspective API 提供的推文毒性分数，聚焦于推特上毒性内容生产前 1% 的用户行为。凭借总计 2.93 亿条推文、跨越 16 年活动的纵向数据，我们得以重建所有相关资料的时间线。我们利用这些时间线评估最毒性推特资料相较于其余推特用户群体的行为。我们基于发布频率与活跃程度、标签与 URL 性质、资料元数据以及 Botometer 分数，研究高毒性账户的推文发布模式。我们发现，高毒性资料发布连贯且表述清晰的内容，其推文围绕狭窄主题，标签、URL 与域名多样性较低，彼此主题相似，且具有较高机器人式行为可能性，基于高虚假粉丝分数推测其源头可能有意图施加影响。我们的工作增进了对推特前 1% 毒性资料的洞察，并确立了以资料为中心研究推特毒性的有益路径。
引用
@article{arxiv.2303.14603,
title = {A longitudinal study of the top 1% toxic Twitter profiles},
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:2303.14603},
year = {2023}
}