详细内容或原文请订阅后点击阅览
右倾政治人物助长网络仇恨
研究人员开发了一种新方法，使用一种适用于多个数据集的机器学习模型，可以更准确、更一致地自动检测社交媒体平台上的仇恨言论。该模型在 Twitter（现为 X）、Reddit、Gab 和新纳粹论坛 Stormfront 等平台的八个仇恨言论数据集上进行了训练。然后，该模型在一个独特的数据集上进行了测试，该数据集包含 15 位美国公众人物的 30 万条推文，这些公众人物包括前总统、保守派政客、极右翼阴谋论者、媒体评论员和被认为非常进步的左翼代表。分析显示，辱骂和充满仇恨的推文，通常带有厌女症和仇视伊斯兰教的情绪，主要来自右翼人士。具体来说，在 5299 条辱骂性帖子中，有 5093 条是由右翼人士发布的。
来源:Scimex研究人员开发了一种新的方式，可以使用跨多个数据集的机器学习模型自动更准确，一致地在社交媒体平台上检测仇恨言论。该模型接受了来自Twitter（现为X），Reddit，Gab和Neo-Nazi Forum stormfront等平台的八个仇恨语音数据集的培训。然后，在来自15个美国公共人物的300,000条推文的独特数据集上进行了测试，例如前总统，保守派政客，极右翼的阴谋理论家，媒体专家和左倾代表认为是非常进步的。分析表明，滥用和仇恨的推文通常以厌女症和伊斯兰恐惧症为特色，主要源于右倾的人。具体而言，在5299个虐待帖子中，有5093个是由右倾的数字产生的。
期刊/会议：计算机语音和语言
日记/会议：研究：论文
研究： 纸组织/S：悉尼技术大学（UTS）
组织/S：媒体版本
来自：悉尼科技大学（UTS）
研究人员开发了一种新的方式，可以使用新的多任务学习（MTL）模型自动在社交媒体平台上自动检测仇恨言论；跨多个数据集可行的一种机器学习模型。
在线滥用仇恨言论的传播可以加深政治分裂，边缘化脆弱的群体，削弱民主和引发现实世界的伤害，包括增加家庭恐怖主义的风险。
副教授Marian Andrei Rizoiu，悉尼技术大学（UTS）行为数据科学实验室负责人（UTS）正在前线工作，以打击在线误解和仇恨言论。
他的跨学科研究结合了计算机和社会科学，以更好地理解和预测在线环境中的人类注意力，包括影响数字渠道观点的语音类型。