预测社交媒体中恶意回复数量：论在发布前判断是否会遭受 hate speech

尽管存在越来越多的研究旨在解决社交媒体中的仇恨言论问题，但这类研究主要是事后判断社交媒体中已发布的内容是否包含侮辱性语言。我们本研究聚焦于预测性方法，即在内容发布后预测其将收到的恶意回复数量。我们从社交媒体用户的角度出发，提出问题：“如果我在社交媒体上发布某条信息，它是否可能预测将会收到的恶意回复数量？”我们考察了四类特征，包括文本特征、文本元数据、推文元数据和账户特征，这些特征有助于我们理解用户身份或内容本身对预测恶意回复数量的影响程度。由此，我们开发了一个模型，以支持社交媒体用户寻找发布内容的最佳方式。我们的研究目标之一也是确定恶意回复数量是由内容本身还是由发布用户的身份所驱动。我们的研究发现，能够通过从待发布消息内容中派生出的全面特征集构建出性能竞争的模型。此外，我们的研究表明，来自用户身份的特征对模型性能没有影响，从而表明特定内容的发布是触发恶意回复的主要因素，而而非发布者是谁。