仇恨并非二元对立：研究 Twitter 上 #GamerGate 的辱骂行为

在过去的几年里，网络欺凌和攻击日益突出，并在社交媒体上以多种不同的形式表现出来。然而，关于分析辱骂用户的特征以及他们与典型社交媒体用户的区别的研究很少。在本文中，我们通过分析包含大量辱骂内容的推文开始填补这一空白。我们关注围绕 Gamergate 争议的 Twitter 数据集，该争议在各种游戏和社交媒体平台上引发了许多网络欺凌和网络攻击事件。我们研究了发布关于 Gamergate 推文的用户的属性、他们发布的内容，以及他们的行为与典型 Twitter 用户之间的差异。我们发现，尽管他们的推文表面上经常涉及攻击性和仇恨的主题，但“Gamergaters”并未表现出常见的网络愤怒表达，事实上，他们与典型用户的主要区别在于他们的推文较少带有喜悦感。他们也比典型的 Twitter 用户更活跃，这表明了这场争议为何以及如何仍在持续。令人惊讶的是，我们发现 Gamergaters 被 Twitter 封禁的可能性较小，因此我们分析了他们的属性，以识别与典型用户的差异以及可能导致他们被封禁的原因。我们进行了无监督机器学习分析，以检测那些虽然目前活跃，但由于表现出与被封禁用户相似的行为而可被考虑封禁的用户聚类。最后，我们通过使用监督学习方法模拟 Twitter 封禁机制，验证了所分析特征的有效性，实现了非常好的精确率和召回率。