走向极端：Parler 与 Gab 中仇恨言论的比较分析

诸如 Gab 和 Parler 等被标榜为“自由言论”的社交平台，近年来用户基数显著增长。这种 popularity 主要归因于 Twitter、Facebook 和 Reddit 等主流平台实施了更严格的审核。在这项工作中，我们首次对 Parler 上的仇恨言论进行大规模分析。我们尝试了一系列仇恨言论检测算法，展示了该领域中迁移学习的局限性，原因在于仇恨言论传播方式隐晦且不断变化。为提高分类准确率，我们标注了 10K 条 Parler 帖子，用于微调一个 BERT 分类器。随后通过社交网络上的标签传播，将单条帖子的分类推广至数百万用户的分类。按传播仇恨的倾向对用户分类，我们发现仇恨煽动者占 Parler 活跃用户的 16.1%，且与其他用户群体相比具有显著特征。我们发现仇恨煽动者更活跃、更中心化，并表现出独特的情感水平及传达如愤怒和悲伤等独特情绪阵列。我们进一步通过将 Parler 中发现的趋势与 Gab 中发现的趋势进行比较来补充分析。据我们所知，这是首批以量化方式在用户层面分析 Parler 仇恨言论的工作之一，也是首个向社区公开的标注数据集。