[论文解读] Analyzing Negative User Behavior in a Semi-anonymous Social Network

Homa Hosseinmardi, Amir Ghasemian+3 more|arXiv (Cornell University)|Apr 15, 2014

Bullying, Victimization, and Aggression参考文献 9被引用 14

一句话总结

本研究通过分析半匿名社交网络Ask.fm中问题/回答内容的攻击性语言以及‘点赞’社交网络，探究用户负面行为。结合语言学分析与网络度量方法，识别出与网络欺凌和自残行为相关的模式，发现具有‘自残’行为的用户表现出独特的语言特征与社交网络属性，为有害在线行为的早期检测框架提供支持。

ABSTRACT

Abstract—Cyberbullying has emerged as an important and growing social problem, wherein people use online social networks and mobile phones to bully victims with offensive text, images, audio and video on a 24/7 basis. This paper studies negative user behavior in the Ask.fm social network, a popular new site that has led to many cases of cyberbullying, some leading to suicidal behavior. We examine the occurrence of negative words in Ask.fm’s question/answer profiles along with the social network of “likes ” of questions/answers. We also examine properties of users with “cutting ” behavior in this social network. I.

研究动机与目标

• 调查Ask.fm问答内容中负面语言的普遍性及其特征。
• 分析由问题与回答的‘点赞’行为形成的社交网络结构，以检测有害行为的模式。
• 识别与表现出‘自残’行为的用户相关的语言学与网络层面指标。
• 为针对半匿名平台中网络欺凌与自残行为的早期检测系统提供洞见。

提出的方法

• 收集Ask.fm的匿名化数据，包括用户提出的问题、回答内容以及‘点赞’互动信息。
• 应用自然语言处理技术，检测并量化用户内容中的负面词汇与短语。
• 基于‘点赞’关系构建有向社交网络，以分析用户互动模式。
• 对‘点赞’图进行网络分析，识别具有负面行为用户的结构性特征。
• 比较具有‘自残’行为用户与普通用户之间的语言特征与网络中心性度量。
• 通过统计分析，关联语言特征与网络位置与自残指标之间的关系。

实验结果

研究问题

• RQ1 Ask.fm的问题与回答内容中，负面语言的频率与分布情况如何？
• RQ2 表现出‘自残’行为用户的‘点赞’网络与其余用户相比有何差异？
• RQ3 与自报或被识别为具有‘自残’行为的用户相关的语言模式有哪些？
• RQ4 在网络中心性度量中，多大程度上可预测半匿名社交网络中负面行为的存在？

主要发现

• 具有‘自残’行为的用户在其问题与回答中使用的负面词汇显著多于普通用户。
• 具有‘自残’行为用户的‘点赞’网络表现出更高的聚类系数与更集中的互动模式。
• 针对自报有‘自残’行为的用户，其收到的负面内容比例更高，表明存在针对性的网络欺凌。
• 具有‘自残’行为的用户更可能处于‘点赞’网络的中心位置，表明尽管内容负面，其仍具有较高可见性。
• 具有‘自残’行为用户的语言特征包括对悲伤、孤独与自残相关词汇的使用频率显著上升。
• 研究发现高网络中心性与负面语言存在强相关性，尤其在自我披露类内容中更为显著。