Sentiment-Based Identification of Radical Authors (SIRA)
Notice bibliographique
Résumé
As violent extremists continue to surface in online discussion forums, counter-extremism agencies search for new and innovative ways of uncovering their digital indicators. Using a sample of approximately 1 million posts and 26,000 unique users across four Islamic-based discussion forums, this study proposed a method of identifying the most radical users on the Dark Web. Several characteristics of each user's postings were analyzed using Parts of Speech (POS) tagging, a custom openNLP based tagger, sentiment analysis, and a novel algorithm called "Sentiment-based Identification of Radical Authors" (SIRA). POS tagging was used to develop a list of the 400 most frequently cited nouns across the discussion forums. With this list, sentiment analysis provided the context surrounding users' posts, and each post was assigned a polarity value. Radical scores were calculated using SIRA, which is an algorithm that accounts for a user's percentile score for average sentiment score, volume of negative posts, severity of negative posts, and duration of negative posts. Results did not suggest that a simple typology or typologies best described the most radical users in the Dark Web, however, the findings indicated that SIRA was flexible enough to evaluate several combinations of online activity that could identify the most radical users in the discussion forums. In addition, SIRA identified the same user across two separate discussion forums as the most radical, thus providing validation for the algorithm. This particular user was linked to an extremist website that supported terrorists. Lastly, the results revealed that the Gawaher and Islamic Awakening web forums hosted the highest volume of most radical users in the sample.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».