Examining hate speech infection in social media using range constraints in multidimensional data structures
本文提出了一种将基于形状特征（shapelet）的时间序列分析与多维数据结构及范围约束相结合的方法论，旨在精确识别驱动社交媒体上仇恨言论传播的时间窗口和用户连接模式，从而实现更有效的事件检测与缓解。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
把社交媒体想象成一场巨大、喧闹的派对，每个人都在大声喊出自己的想法。有时，氛围会变得糟糕，一种特定的“有毒感染”（仇恨言论）开始蔓延。这篇论文的作者 Eleanna Kafeza 及其团队想要弄清楚这种感染究竟是何时开始的，以及谁在传播它，而不仅仅是试图抓住每一个飞过的坏词。
不要把一个用户的动态看作是一系列帖子，而是把它看作一个心跳监测仪。研究人员并没有关注词汇本身，而是将每个用户的感性强度转化成了图表上的一条扭曲的线。如果一个用户正在发布愤怒、仇恨的内容，他们的“心跳”就会伴随着负能量而激增。
侦探的工具箱：形状子（Shapelets）与后缀树（Suffix Trees）
为了寻找这些恶劣行为者，研究人员使用了一种被称为形状子分类法的聪明技巧。想象一下你在寻找一堆泥泞脚印中的特定指纹。一个“形状子”就像是那个脚印中具有辨识度的微小片段，足以证明是谁留下的脚印。在这种情况下，“指纹”就是只有仇恨言论用户才会表现出的特定情绪激增模式。
但如果将每一个脚步与每一个指纹进行比对，那将耗时过久。因此，团队构建了一个超级快速的库，称为后缀树。你可以把它想象成一个神奇且有序的档案柜，其中所有可能的单词模式都经过了即时排序。你不需要阅读图书馆里的每一本书来寻找一个故事，你只需要问档案柜：“那个以‘愤怒’开头的的故事在哪里？”它就会直接指向对应的书架。这使得他们的搜索速度极快，将一个通常需要漫长等待的任务变成了眨眼间的瞬间完成。
两步过滤法：时间与影响力
发现模式只是第一步。真正的魔法发生在他们加入了两个额外的过滤器时，就像是在门口检查两份身份证的保镖一样：时间和影响力。
- 时间窗口： 团队意识到，仇恨言论往往在特定事件（如新闻爆发）之后迅速爆炸。他们不仅在寻找坏模式，还在询问：“这个模式是否发生在此时此刻？”通过缩小到特定的时间窗口（例如 13 小时窗口），他们能够精准定位“感染”开始扩散的时刻。
- 影响力检查： 他们还检查了用户有多“受欢迎”或有多“有连接性”。他们发现了一些令人惊讶的事实：仇恨言论并不总是来自那些大名人。事实上，他们怀疑有影响力的用户会被快速封禁，因此感染往往通过普通、连接度较低的用户进行传播。他们使用了一个名为 2D 范围树（2D Range Tree） 的数学工具，来检查一个用户的帖子是否发生在正确的时间，并且其影响力水平是否符合特定范围。
数据说明了什么
团队在收集自一个月内（2022 年 2 月 1 日至 2023 年 3 月 1 日）的大规模推文数据集上进行了测试。他们观察了 3,912 名发布仇恨言论的用户，并将其与来自 7,824 名不同用户的 46,557 条推文数据集进行了平衡对比。
当他们运行实验时，结果很有前景但具有特定性：
- 准确率： 他们最好的设置找到了正确的仇恨言论用户，平均准确率为 0.72，平均 F1 分数为 0.84。
- 速度： 他们的新方法比旧有的“天真”做法要快得多。虽然旧方法在小型测试中耗时约 0.12 × 10⁻² 秒，但他们的新方法仅需 2.15 × 10⁻⁶ 秒。当数据增长到 23,800 项时，他们的方法依然保持快速（约为 2.97 × 10⁻⁶ 秒），而旧方法则显著变慢。
- 黄金分割点： 他们发现，仇恨言论感染在特定的时间窗口 [0, 13]（小时）以及影响力处于 [0, 17.5] 百分位的用户中最为明显。这表明感染往往始于一小群用户，他们未必是最出名的，但在特定危机期间非常活跃。
他们并未声称的事项
注意到这篇论文没有说什么是很重要的。作者谨慎地指出，他们并不是在声称已经永久“解决”了仇恨言论问题。他们明确反对仅仅依赖简单的词表，或者在没有语境的情况下只看文本。他们还指出，他们的方法在拥有特定条件（如已知事件时间）进行过滤时效果最好；它并不是一个在没有任何额外数据的情况下就能在真空中寻找仇恨言论的神奇魔杖。
大局观
通过将情感混乱转化为有序的数据形状，并使用一个超级快速的库来寻找它们，作者展示了我们可以更精确地捕捉“感染”——即仇恨言论。他们发现，通过观察愤怒何时激增以及谁在传播它，我们可以比以前更快地识别问题的源头。虽然他们建议这可以帮助社交媒体平台采取即时行动，但他们将其呈现为工具箱中一个强大的新工具，而非最终的万灵药。目标是在整个森林被焚毁之前，先发现那点火星。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。