推文、毒推与部落倾向：Twitter上政治极化帖子的趋势

社交媒体平台常被指责加剧政治极化和恶化公共对话。本研究旨在探索党派性和情感极化对Twitter/X上个人用户和话题层面毒性的影响。研究团队训练并开源了一个基于DeBERTa的毒性检测器，在Civil Comments测试数据集上性能优于Google Jigsaw检测器。通过收集来自43,151名美国用户的8,960万条推文，发现用户接触的政治观点多样性及互动对象的毒性对其自身毒性有更显著影响。使用MPNet语言模型和DP-Means聚类算法对5,288个主题进行毒性分析，发现类似行为模式。