[論文レビュー] Unraveling Social Perceptions & Behaviors towards Migrants on Twitter

Aparup Khatua, Wolfgang Nejdl|arXiv (Cornell University)|Dec 4, 2021

Hate Speech and Cyberbullying Detection被引用数 2

ひとこと要約

本稿では、ツイッター上での難民に対する認識（共感／嫌悪）と行動（結束／敵意）を区別する細分化されたNLPフレームワークを提案する。BERT + CNNモデルを用い、F1スコア0.76を達成した。嫌悪発言検出を、認識的および行動的次元に分離することで再定式化し、二値分類を超えた洗練されたツールを提供する。

ABSTRACT

We draw insights from the social psychology literature to identify two facets of Twitter deliberations about migrants, i.e., perceptions about migrants and behaviors towards mi-grants. Our theoretical anchoring helped us in identifying two prevailing perceptions (i.e., sympathy and antipathy) and two dominant behaviors (i.e., solidarity and animosity) of social media users towards migrants. We have employed unsupervised and supervised approaches to identify these perceptions and behaviors. In the domain of applied NLP, our study offers a nuanced understanding of migrant-related Twitter deliberations. Our proposed transformer-based model, i.e., BERT + CNN, has reported an F1-score of 0.76 and outperformed other models. Additionally, we argue that tweets conveying antipathy or animosity can be broadly considered hate speech towards migrants, but they are not the same. Thus, our approach has fine-tuned the binary hate speech detection task by highlighting the granular differences between perceptual and behavioral aspects of hate speeches.

研究の動機と目的

• 既存の文献におけるギャップを埋めるために、社会的メディア上での難民に対する認識と行動を包括的に分析すること、個別の側面に焦点を当てるのではなく統合的に分析すること。
• 社会心理学理論を用いて、難民に対する共感、嫌悪、結束、敵意という明確な社会的メディア表現を概念化し、同定すること。
• 難民に対する否定的態度の認識的（態度志向）および行動的（行動志向）側面を区別することで、嫌悪発言検出を改善すること。
• 難民関連のツイッター投稿を細分化分類可能な堅牢なNLPモデルの開発および評価すること。
• 政策立案者に、有害な認識を検出するAIベースのフレームワークを提供し、ネガティブなステレオタイプに反応し、人種差別を低減するための介入を支援すること。

提案手法

• 社会心理学の二重理論的枠組みを用い、難民に対する共感、嫌悪、結束、敵意という4つのカテゴリーを定義した。
• 2020年5月から9月にかけての80万件の事前処理済みの難民関連ツイッター投稿を、非教師ありおよび教師ありNLP技術を用いて処理した。
• 微調整なしでゼロショット分類モデルを適用し、初期段階での認識および行動検出を実施した。
• Bi-LSTM、CNN、およびトランスフォーマー型モデル（BERTとRoBERTa）を用いた複数のディープラーニングアーキテクチャを訓練および比較した。
• コンテキスト埋め込み（BERT）とCNNによる局所的特徴抽出を組み合わせたハイブリッドBERT + CNNアーキテクチャを提案した。
• 人的ラベルによる教師あり学習およびテストに使用した人間によるアノテーションを用い、重み付きF1スコアを評価指標として最適化した。

実験結果

リサーチクエスチョン

• RQ1 ソーシャルメディア利用者は、ツイッター上で難民に対する認識（共感対嫌悪）および行動（結束対敵意）をどのように表現しているか？
• RQ2 NLPモデルは、ツイッターにおける難民に対する否定的態度の認識的および行動的次元をどの程度区別できるか？
• RQ3 提案されたBERT + CNNモデルは、難民に対する細分化された認識および行動を分類する他の最先端モデルと比較してどのように性能を示すか？
• RQ4 嫌悪（antipathy）または敵意（animosity）を示すツイッター投稿は、意味的に区別可能か。それらは別個の嫌悪発言の形態を表しているのか？
• RQ5 有害な認識を早期に検出し、それによって生じる有害な行動を防ぐために、どのような政策的インパクトが生じるか？

主な発見

• 提案されたBERT + CNNモデルが最高のパフォーマンスを示し、重み付きF1スコア0.76を達成。Bi-LSTM、CNN、BERT、RoBERTaなどの他のモデルを上回った。
• 難民に対する否定的態度の認識的および行動的次元は明確に異なる：嫌悪（否定的認識）と敵意（否定的行動）は、両者とも嫌悪発言とラベル付けされるが、同等ではない。
• 本研究では、難民への支援的メッセージでさえも攻撃的言語を含むことが判明し、感情と言語的有害性が常に一致するわけではないことが示された。
• 嫌悪や敵意を示すツイッター投稿の多くは攻撃的言語を含むが、すべての攻撃的言語が難民を標的としているわけではない。文脈が重要である。
• 本研究では、地元住民の雇用機会を減少させるという認識が広がっているが、これはしばしば事実と一致せず、是正介入の必要性を浮き彫りにした。
• 本フレームワークにより、政策立案者は有害な認識を早期に検出し、『停止サイン』（議論の余地がある主張のラベル付け）や『促進メカニズム』（結束の声の拡散）を用いて社会的行動に影響を与えることが可能になった。