仇恨是新的信息流行病：Twitter 上话题感知的仇恨言论扩散建模
社会与信息网络
2020-10-12 v1 计算与语言
机器学习
摘要
在线仇恨言论，尤其是通过 Twitter 等微博平台，已成为过去十年中最严重的问题之一。多个国家报告称，受恶意仇恨运动煽动的仇恨犯罪急剧上升。虽然仇恨言论检测是新兴研究领域之一，但信息网络中话题依赖型仇恨的生成与传播仍未被充分探索。在这项工作中，我们聚焦于探索用户行为，其触发了 Twitter 上仇恨言论的起源以及其如何通过转推扩散。我们爬取了一个大规模推文、转推、用户活动历史和关注者网络数据集，包含来自超过 4100 万独立用户的超过 1.61 亿条推文。我们还收集了超过 60 万篇在线发布的当代新闻文章。我们刻画了支配这些动态的不同信息信号。我们的分析区分了存在仇恨时的扩散动态与通常的信息扩散。这促使我们在具有现实世界知识的话题感知设定下公式化建模问题。为预测任意给定标签下仇恨言论的发起，我们提出了多个特征丰富的模型，其中性能最佳者取得了 0.65 的宏 F1 分数。同时，为预测 Twitter 上的转推动态，我们提出 RETINA，一种利用缩放点积注意力纳入外生影响的新型神经架构。RETINA 取得了 0.85 的宏 F1 分数，优于多个最先进模型。我们的分析揭示了 RETINA 相较于现有扩散模型在预测仇恨内容转推动态方面的卓越能力。
引用
@article{arxiv.2010.04377,
title = {Hate is the New Infodemic: A Topic-aware Modeling of Hate Speech Diffusion on Twitter},
author = {Sarah Masud and Subhabrata Dutta and Sakshi Makkar and Chhavi Jain and Vikram Goyal and Amitava Das and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:2010.04377},
year = {2020}
}
备注
6 table, 9 figures, Full paper in 37th International Conference on Data Engineering (ICDE)