大规模分类阴谋论叙事：误报与错误连接

在线讨论经常涉及阴谋论，这可能导致对其信仰的扩散。然而，并非所有围绕阴谋论的讨论都促进它们，有些旨在揭穿它们。现有研究依赖简单的代理或关注有限的信号集来识别阴谋论，这限制了我们对跨不同主题和在线社区的阴谋论讨论的理解。本工作建立了一个通用方案，根据作者对阴谋信仰的视角对与阴谋论相关的讨论进行分类，这些视角可以通过叙事元素（如主体、行动或目标）明确表达，或通过引用已知理论（如化学尾迹或新世界秩序）隐含表达。我们利用人工标注的真实数据训练基于BERT的模型来分类在线阴谋论，然后将其与生成式预训练Transformer机器（GPT）进行比较，以检测在线阴谋内容。尽管GPT以其表达能力和上下文理解而闻名，但我们的研究揭示了其逻辑推理中的显著缺陷，同时展示了我们分类器的可比优势。我们首次使用来自最活跃的阴谋相关Reddit论坛的帖子进行大规模分类研究，发现只有三分之一的帖子被归类为阳性。这项研究揭示了大型语言模型在需要细微上下文理解的任务中的潜在应用。