What distinguishes conspiracy from critical narratives? A computational analysis of oppositional discourse

当前互联网上阴谋论的流行是一个重要问题，许多计算方法都在处理这个问题。然而，这些方法没有意识到区分包含阴谋论和仅仅是批判和反对主流叙述的文本的相关性。此外，通常很少关注对抗性叙述中的组间冲突的作用。我们通过提出一种新颖的主题无关注释方案来做出贡献，该方案区分阴谋和批判性文本，并定义了跨度级别的组间冲突类别。我们还通过多语言XAI-DisInfodemics语料库（英语和西班牙语）做出了贡献，该语料库包含与COVID-19相关的Telegram消息的高质量注释（每种语言5,000条消息）。我们还通过进行一系列实验展示了基于自然语言处理的自动化的可行性，并得出了强有力的基准解决方案。最后，我们进行了一项分析，证明了促进组间冲突、存在暴力和愤怒是区分两种对抗性叙述，即阴谋和批判性的关键方面。

本论文试图通过区分阴谋论和批判性文本，以及定义跨组冲突的跨度级别类别，解决互联网上阴谋论盛行的问题。

论文提出了一种新的主题无关注释方案，通过分析推特消息中的暴力和愤怒程度来区分阴谋论和批判性文本。他们还提供了一个英语和西班牙语的多语言语料库，其中包含与COVID-19相关的电报消息。

论文提供了一个新的注释方案，定义了跨组冲突的跨度级别类别，并提供了一个多语言语料库。他们还展示了一系列实验，证明了NLP自动化的可行性，并进行了分析，表明推广组间冲突以及暴力和愤怒的存在是区分阴谋论和批判性文本的关键方面。

最近的相关研究包括：'Detecting and Analyzing the Spread of COVID-19 Disinformation'，'The COVID-19 Infodemic: Can the Internet Kill Us?'，'COVID-19 Conspiracy Theories on Social Media: Building a Corpus of Misinformation'等。