分析去中心化社交平台毒害行为演化，揭示社区治理挑战
Analyzing Toxic Behavior and Its Impact on the Mastodon Community
- 用机器学习分析用户发帖，追踪毒性内容传播路径
- 发现毒性在不同服务器间传播差异显著，影响社区健康
- 为去中心化平台内容治理提供实证依据，适合平台研究者
Mastodon 作为一个由独立管理的社交服务器组成的去中心化联邦，面临着独特的内容毒性检测与缓解挑战。由于缺乏统一的审核标准，整个生态系统呈现出高度多样性和不均衡性。本文通过机器学习方法分析用户发帖，探讨了毒性行为在 Mastodon 中的发展与扩散过程。研究结果揭示了毒性趋势及其对社区健康和去中心化治理的影响，为理解分布式社交平台中的内容管理问题提供了实证支持。
原文摘要 · Abstract (English)
Mastodon as a decentralized federation of independently moderated social servers poses unique challenges for the detection and mitigation of toxic content. There are no unified moderation standards. The ecosystem is very diverse and uneven. This paper explores the development and spread of toxicity in Mastodon, utilizing machine learning methods to examine user posts. The results offer clarity on toxicity trends and its implications for community health and decentralized governance.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。