使用语境维度对社交媒体上伊斯兰极端主义通信进行建模：宗教、意识形态与仇恨

恐怖袭击部分与在线极端主义内容有关。在线对话笼罩在宗教模糊性中，意图欺骗，往往曲解主流含义以服务于邪恶意识形态。尽管成千上万的伊斯兰极端主义支持者消费这类内容，但与和平穆斯林相比，他们只是少数。遏制社交媒体平台上不断演变的极端主义的努力仍然不足且大多无效。极端主义与主流语境的差异给机器解读带来挑战，对分类算法的精度构成特殊威胁。激进化是一个微妙的长期说服过程，随时间推移而发生。我们对Twitter上极端主义内容的情境感知计算分析方法将这一说服过程分解为承认固有模糊性和稀疏性的构建块，这可能挑战手动和自动分类。基于社会科学（特别是政治学）之前的实证和定性研究，我们使用三个语境维度的组合来建模这一过程——宗教、意识形态和仇恨——每个维度阐明激进化程度并突出独立特征，使其在计算上可访问。我们为每个语境维度利用领域特定知识资源，如宗教方面的《古兰经》、政治意识形态方面的极端主义传道者的书籍以及仇恨方面的社交媒体仇恨言语语库。伊斯兰极端主义意识形态的显著敏感性及其地方和全球安全影响需要在Twitter上对这种通信进行建模的可靠算法。我们对可靠分析做出三项贡献：（i）开发植根于宗教、意识形态和仇恨语境维度的计算方法，反映在线伊斯兰极端主义群体采用的策略；（ii）对这些维度相关推文数据集进行深入分析，以排除可能的错误标注用户；（iii）理解在线激进化作为协助反编程过程的框架。鉴于潜在的重大社会影响，我们评估算法性能以最小化错误标注，我们的语境感知方法在精度上优于竞争基线10.2%，从而增强了此类工具用于人工审核的潜力。