Cambios

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "SS Pandey, A Garcia-Robledo, M Zangiabady", 
2
  "author": "SS Pandey, A Garcia-Robledo, M Zangiabady", 
            
3
  "author_email": null, 
3
  "author_email": null, 
            
4
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
4
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
            
5
  "extras": [
5
  "extras": [
            
6
    {
6
    {
            
7
      "key": "A\u00f1o", 
7
      "key": "A\u00f1o", 
            
8
      "value": "2024"
8
      "value": "2024"
            
9
    }, 
9
    }, 
            
10
    {
10
    {
            
11
      "key": "DOI", 
11
      "key": "DOI", 
            
12
      "value": "https://doi.org/10.1109/icsc59802.2024.00059"
12
      "value": "https://doi.org/10.1109/icsc59802.2024.00059"
            
13
    }, 
13
    }, 
            
14
    {
14
    {
            
15
      "key": "Google Scholar URL", 
15
      "key": "Google Scholar URL", 
            
16
      "value": 
16
      "value": 
            
17
gesize=100&sortby=pubdate&citation_for_view=b81TvMMAAAAJ:Se3iqnhoufwC"
17
gesize=100&sortby=pubdate&citation_for_view=b81TvMMAAAAJ:Se3iqnhoufwC"
            
18
    }, 
18
    }, 
            
19
    {
19
    {
            
20
      "key": "Identificador hash", 
20
      "key": "Identificador hash", 
            
21
      "value": "5f6f16bf7304"
21
      "value": "5f6f16bf7304"
            
22
    }, 
22
    }, 
            
23
    {
23
    {
            
24
      "key": "Lugar de publicaci\u00f3n", 
24
      "key": "Lugar de publicaci\u00f3n", 
            
25
      "value": "2024 IEEE 18th International Conference on Semantic 
25
      "value": "2024 IEEE 18th International Conference on Semantic 
            
26
Computing (ICSC), 329-334, 2024"
26
Computing (ICSC), 329-334, 2024"
            
27
    }, 
27
    }, 
            
28
    {
28
    {
            
29
      "key": "Tipo", 
29
      "key": "Tipo", 
            
30
      "value": "Publicaci\u00f3n"
30
      "value": "Publicaci\u00f3n"
            
31
    }, 
31
    }, 
            
32
    {
32
    {
            
33
      "key": "Tipo de publicaci\u00f3n", 
33
      "key": "Tipo de publicaci\u00f3n", 
            
34
      "value": "Conferencia"
34
      "value": "Conferencia"
            
35
    }, 
35
    }, 
            
36
    {
36
    {
            
37
      "key": "URL directo", 
37
      "key": "URL directo", 
            
38
      "value": 
38
      "value": 
            
39
"https://research.utwente.nl/files/351518475/Paper_2024.pdf"
39
"https://research.utwente.nl/files/351518475/Paper_2024.pdf"
            
40
    }
40
    }
            
41
  ], 
41
  ], 
            
42
  "groups": [
42
  "groups": [
            
43
    {
43
    {
            
44
      "description": "", 
44
      "description": "", 
            
45
      "display_name": "Publicaciones", 
45
      "display_name": "Publicaciones", 
            
46
      "id": "8be672a5-4640-455e-a4f3-46b52b66c07b", 
46
      "id": "8be672a5-4640-455e-a4f3-46b52b66c07b", 
            
47
      "image_display_url": "", 
47
      "image_display_url": "", 
            
48
      "name": "publicaciones", 
48
      "name": "publicaciones", 
            
49
      "title": "Publicaciones"
49
      "title": "Publicaciones"
            
50
    }
50
    }
            
51
  ], 
51
  ], 
            
52
  "id": "2ca1c136-7d06-46e8-8ab7-55b965a55832", 
52
  "id": "2ca1c136-7d06-46e8-8ab7-55b965a55832", 
            
53
  "isopen": false, 
53
  "isopen": false, 
            
54
  "license_id": null, 
54
  "license_id": null, 
            
55
  "license_title": null, 
55
  "license_title": null, 
            
56
  "maintainer": null, 
56
  "maintainer": null, 
            
57
  "maintainer_email": null, 
57
  "maintainer_email": null, 
            
58
  "metadata_created": "2025-10-21T08:59:10.753634", 
58
  "metadata_created": "2025-10-21T08:59:10.753634", 
            
n
59
  "metadata_modified": "2025-10-21T08:59:10.753641", 
n
59
  "metadata_modified": "2025-10-21T08:59:11.211465", 
            
60
  "name": "5f6f16bf7304", 
60
  "name": "5f6f16bf7304", 
            
61
  "notes": "Since its inception, social media has enabled people 
61
  "notes": "Since its inception, social media has enabled people 
            
62
worldwide to connect with like-minded individuals and freely express 
62
worldwide to connect with like-minded individuals and freely express 
            
63
their thoughts and opinions. However, its widespread nature has not 
63
their thoughts and opinions. However, its widespread nature has not 
            
64
only had an immeasurable impact on society but also presented 
64
only had an immeasurable impact on society but also presented 
            
65
significant challenges. One such challenge is online hate speech. 
65
significant challenges. One such challenge is online hate speech. 
            
66
Consequently, the identification of hate speech has recently gained 
66
Consequently, the identification of hate speech has recently gained 
            
67
considerable attention, ranging from reactive methods, such as 
67
considerable attention, ranging from reactive methods, such as 
            
68
classifying individual posts, to proactive strategies that utilize 
68
classifying individual posts, to proactive strategies that utilize 
            
69
contextual information to decipher the complex lexicon of online 
69
contextual information to decipher the complex lexicon of online 
            
70
discussions. Despite these efforts, current research lacks a 
70
discussions. Despite these efforts, current research lacks a 
            
71
comprehensive analysis of hate speech on Twitter during the crucial 
71
comprehensive analysis of hate speech on Twitter during the crucial 
            
72
2020-2022 period, marked by significant events such as the COVID-19 
72
2020-2022 period, marked by significant events such as the COVID-19 
            
73
pandemic. In this paper, we present a BERT-based model for classifying 
73
pandemic. In this paper, we present a BERT-based model for classifying 
            
74
hate speech. To this end, we collected 36 million tweets posted in the 
74
hate speech. To this end, we collected 36 million tweets posted in the 
            
75
United States on Twitter during this period. We developed, trained, 
75
United States on Twitter during this period. We developed, trained, 
            
76
and tested a BERT-based Convolutional Neural Network (BERT-CNN), using 
76
and tested a BERT-based Convolutional Neural Network (BERT-CNN), using 
            
77
it to classify the collected tweets. The classification of this 
77
it to classify the collected tweets. The classification of this 
            
78
dataset revealed a high incidence of targets motivated by ethnicity, 
78
dataset revealed a high incidence of targets motivated by ethnicity, 
            
79
with gender and nationality as other prominent categories. This work 
79
with gender and nationality as other prominent categories. This work 
            
80
provides insightful data on the sentiments of individuals across the 
80
provides insightful data on the sentiments of individuals across the 
            
81
United States during the events of 2020-2022.", 
81
United States during the events of 2020-2022.", 
            
n
82
  "num_resources": 0, 
n
82
  "num_resources": 1, 
            
83
  "num_tags": 4, 
83
  "num_tags": 4, 
            
84
  "organization": {
84
  "organization": {
            
85
    "approval_status": "approved", 
85
    "approval_status": "approved", 
            
86
    "created": "2022-05-19T00:10:30.480393", 
86
    "created": "2022-05-19T00:10:30.480393", 
            
87
    "description": "Observatorio Metropolitano CentroGeo", 
87
    "description": "Observatorio Metropolitano CentroGeo", 
            
88
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
88
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
89
    "image_url": 
89
    "image_url": 
            
90
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
90
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
            
91
    "is_organization": true, 
91
    "is_organization": true, 
            
92
    "name": "observatorio-metropolitano-centrogeo", 
92
    "name": "observatorio-metropolitano-centrogeo", 
            
93
    "state": "active", 
93
    "state": "active", 
            
94
    "title": "Observatorio Metropolitano CentroGeo", 
94
    "title": "Observatorio Metropolitano CentroGeo", 
            
95
    "type": "organization"
95
    "type": "organization"
            
96
  }, 
96
  }, 
            
97
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
97
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
98
  "private": false, 
98
  "private": false, 
            
99
  "relationships_as_object": [], 
99
  "relationships_as_object": [], 
            
100
  "relationships_as_subject": [], 
100
  "relationships_as_subject": [], 
            
t
101
  "resources": [], 
t
101
  "resources": [
            
102
    {
            
103
      "cache_last_updated": null, 
            
104
      "cache_url": null, 
            
105
      "created": "2025-10-21T08:59:11.230486", 
            
106
      "datastore_active": false, 
            
107
      "description": "Since its inception, social media has enabled 
            
108
people worldwide to connect with like-minded individuals and freely 
            
109
express their thoughts and opinions. However, its widespread nature 
            
110
has not only had an immeasurable impact on society but also presented 
            
111
significant challenges. One such challenge is online hate speech. 
            
112
Consequently, the identification of hate speech has recently gained 
            
113
considerable attention, ranging from reactive methods, such as 
            
114
classifying individual posts, to proactive strategies that utilize 
            
115
contextual information to decipher the complex lexicon of online 
            
116
discussions. Despite these efforts, current research lacks a 
            
117
comprehensive analysis of hate speech on Twitter during the crucial 
            
118
2020-2022 period, marked by significant events such as the COVID-19 
            
119
pandemic. In this paper, we present a BERT-based model for classifying 
            
120
hate speech. To this end, we collected 36 million tweets posted in the 
            
121
United States on Twitter during this period. We developed, trained, 
            
122
and tested a BERT-based Convolutional Neural Network (BERT-CNN), using 
            
123
it to classify the collected tweets. The classification of this 
            
124
dataset revealed a high incidence of targets motivated by ethnicity, 
            
125
with gender and nationality as other prominent categories. This work 
            
126
provides insightful data on the sentiments of individuals across the 
            
127
United States during the events of 2020-2022.", 
            
128
      "format": "HTML", 
            
129
      "hash": "", 
            
130
      "id": "54dccd36-761a-4625-a718-267aeac62478", 
            
131
      "last_modified": null, 
            
132
      "metadata_modified": "2025-10-21T08:59:11.215874", 
            
133
      "mimetype": null, 
            
134
      "mimetype_inner": null, 
            
135
      "name": "Decoding Online Hate in the United States: A BERT-CNN 
            
136
Analysis of 36 Million Tweets from 2020 to 2022", 
            
137
      "package_id": "2ca1c136-7d06-46e8-8ab7-55b965a55832", 
            
138
      "position": 0, 
            
139
      "resource_type": null, 
            
140
      "size": null, 
            
141
      "state": "active", 
            
142
      "url": 
            
143
esize=100&sortby=pubdate&citation_for_view=b81TvMMAAAAJ:Se3iqnhoufwC", 
            
144
      "url_type": null
            
145
    }
            
146
  ], 
            
102
  "state": "active", 
147
  "state": "active", 
            
103
  "tags": [
148
  "tags": [
            
104
    {
149
    {
            
105
      "display_name": "2024", 
150
      "display_name": "2024", 
            
106
      "id": "83ca0aff-0e55-47cc-a3c4-ef8aebf15b19", 
151
      "id": "83ca0aff-0e55-47cc-a3c4-ef8aebf15b19", 
            
107
      "name": "2024", 
152
      "name": "2024", 
            
108
      "state": "active", 
153
      "state": "active", 
            
109
      "vocabulary_id": null
154
      "vocabulary_id": null
            
110
    }, 
155
    }, 
            
111
    {
156
    {
            
112
      "display_name": "albertogarob", 
157
      "display_name": "albertogarob", 
            
113
      "id": "b079b3e9-8dbb-4423-88fb-f095153d314a", 
158
      "id": "b079b3e9-8dbb-4423-88fb-f095153d314a", 
            
114
      "name": "albertogarob", 
159
      "name": "albertogarob", 
            
115
      "state": "active", 
160
      "state": "active", 
            
116
      "vocabulary_id": null
161
      "vocabulary_id": null
            
117
    }, 
162
    }, 
            
118
    {
163
    {
            
119
      "display_name": "computer-science", 
164
      "display_name": "computer-science", 
            
120
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
165
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
            
121
      "name": "computer-science", 
166
      "name": "computer-science", 
            
122
      "state": "active", 
167
      "state": "active", 
            
123
      "vocabulary_id": null
168
      "vocabulary_id": null
            
124
    }, 
169
    }, 
            
125
    {
170
    {
            
126
      "display_name": "decoding-methods", 
171
      "display_name": "decoding-methods", 
            
127
      "id": "8e5cd4be-c8aa-4b2c-906b-89abb0cffb68", 
172
      "id": "8e5cd4be-c8aa-4b2c-906b-89abb0cffb68", 
            
128
      "name": "decoding-methods", 
173
      "name": "decoding-methods", 
            
129
      "state": "active", 
174
      "state": "active", 
            
130
      "vocabulary_id": null
175
      "vocabulary_id": null
            
131
    }
176
    }
            
132
  ], 
177
  ], 
            
133
  "title": "Decoding Online Hate in the United States: A BERT-CNN 
178
  "title": "Decoding Online Hate in the United States: A BERT-CNN 
            
134
Analysis of 36 Million Tweets from 2020 to 2022", 
179
Analysis of 36 Million Tweets from 2020 to 2022", 
            
135
  "type": "dataset", 
180
  "type": "dataset", 
            
136
  "url": 
181
  "url": 
            
137
esize=100&sortby=pubdate&citation_for_view=b81TvMMAAAAJ:Se3iqnhoufwC", 
182
esize=100&sortby=pubdate&citation_for_view=b81TvMMAAAAJ:Se3iqnhoufwC", 
            
138
  "version": null
183
  "version": null
            
139
}
184
}