发现社交媒体喷子：面向快速演变的在线辩论的动态关键词选择方法
机器学习
2019-11-19 v2 计算机与社会
社会与信息网络
机器学习
摘要
网络骚扰是一个重大的社会问题。预防网络骚扰需要快速检测骚扰性、攻击性和负面的社交媒体帖子。在本文中，我们提出使用词嵌入模型从两个方面识别攻击性和骚扰性的社交媒体消息：检测快速变化的话题以实现更有效的数据收集，以及在不同领域中表示词语语义。我们通过初步结果证明，使用GloVe（Global Vectors for Word Representation，全局词向量表示）模型有助于发现用于数据收集和喷子检测的新且相关的关键词。我们的论文最后讨论了进一步开发和测试词嵌入模型以识别社交媒体骚扰和喷子的研究议程。
引用
@article{arxiv.1911.05332,
title = {Finding Social Media Trolls: Dynamic Keyword Selection Methods for Rapidly-Evolving Online Debates},
author = {Anqi Liu and Maya Srikanth and Nicholas Adams-Cohen and R. Michael Alvarez and Anima Anandkumar},
journal= {arXiv preprint arXiv:1911.05332},
year = {2019}
}
备注
AI for Social Good workshop at NeurIPS (2019)