网络仇恨：行为动态及其与错误信息的关系
社会与信息网络
2021-05-31 v1 计算机与社会
机器学习
摘要
网络辩论常以用户间极端极化与激烈讨论为特征。网络仇恨言论的存在正变得日益成问题，使得开发适当对策成为必要。本工作中，我们对 YouTube 视频上超过一百万条评论的语料库通过在一个大型人工标注数据集上微调的机器学习模型进行仇恨言论检测。我们的分析表明，没有证据显示存在所谓“连环仇恨者”，即仅发布仇恨评论的活跃用户。此外，与回声室假设一致，我们发现偏向两类视频频道（可疑、可靠）之一的用户，更倾向在对手社群中使用不当、暴力或仇恨语言。有趣的是，忠于可靠信源的用户平均使用的语言毒性强于其对应群体。最后，我们发现讨论的整体毒性随其长度增加，无论以评论数还是时间衡量。我们的结果表明，与戈德温定律一致，网络辩论倾向于退化为日益有毒的观点交锋。
引用
@article{arxiv.2105.14005,
title = {Online Hate: Behavioural Dynamics and Relationship with Misinformation},
author = {Matteo Cinelli and Andraž Pelicon and Igor Mozetič and Walter Quattrociocchi and Petra Kralj Novak and Fabiana Zollo},
journal= {arXiv preprint arXiv:2105.14005},
year = {2021}
}