在线极端主义和激进化监测技术综述

摘要：

[目的]分析并评述当前在网络上监测极端主义思想传播和个体思想激进化的主要技术.[方法]在文献分析的基础上,对相关技术的解决思路、数据来源、标注方法、算法进行分析归纳.[结果]在社交网络极端主义检测与发现领域,研究者更多地借鉴心理学和社会学研究成果,细化检测指标和检测方法,构造多样化的检测模式.主要技术分为基于词典和基于机器学习两类,由于基于机器学习的方法具有准确率高、速度快的优势,因此使用较基于词典的方法更加频繁,但是如何科学有效地标注训练数据集是研究难点.[结论]该领域的技术应用尚处于初级探索阶段,需要将更多的量化研究投入到对激进化过程的分析中.检测技术研究者应更多地与社会学和心理学研究者合作,以开发出更加精细的模型.需要投入更多的研究资源以提高训练数据集的标注速度和准确性.

关键词：知识发现、机器学习、激进化、极端主义

所属期刊栏目：2

分类号：TP393;G35(计算技术、计算机技术)

资助基金：国家社会科学基金重大项目“当前我国反恐形势及对策研究”项目15ZDA034的研究成果之一

在线出版日期：2019-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8