检测社交媒体上的弱与强伊斯兰恐惧仇恨言论

社交媒体上的伊斯兰恐惧仇恨言论对目标个体和更广泛的社会造成了相当大的伤害，也给宿主平台带来了声誉受损的风险。因此，迫切需要稳健的工具来大规模检测和分类伊斯兰恐惧仇恨言论。以往的研究主要将社交媒体上伊斯兰恐惧仇恨言论的检测视为二元任务。然而，伊斯兰恐惧症的多样性意味着这通常不适用于理论驱动的社会科学以及有效的社交媒体监控。基于深入的概念研究，我们构建了一个多类分类器，用以区分非伊斯兰恐惧、弱伊斯兰恐惧和强伊斯兰恐惧内容。其准确率为 77.6%，平衡准确率为 83%。我们将该分类器应用于 2017 年极右翼 Twitter 账户发布的 109,488 条推文数据集。虽然大多数推文并非伊斯兰恐惧言论，但弱伊斯兰恐惧言论（36,963 条推文）比强伊斯兰恐惧言论（14,895 条推文）更为普遍。我们的主要输入特征是在新收集的 1.4 亿条推文语料库上训练的 gloVe 词嵌入模型。该模型比通用词嵌入模型高出 5.9 个百分点，证明了上下文的重要性。出乎意料的是，我们还发现一对一多类 SVM 的表现优于深度学习算法。