少量主题推文即可实现有效的用户级立场检测
社会与信息网络
2020-04-08 v1 计算与语言
摘要
立场检测旨在确定用户针对某一目标（如实体、话题或主张）的立场。近期采用无监督分类的研究表明，对针对某目标发布大量推文的活跃 Twitter 用户进行立场检测可达到极高准确率（+98%）。然而，此类方法对发布关于某目标的推文较少的非活跃用户表现不佳或完全失效。本文采用两种方法解决此类用户的立场检测问题。第一种方法中，我们利用上下文嵌入表示推文以提升用户级立场检测效果，上下文嵌入能够捕捉词语在上下文中的潜在含义。我们表明该方法优于两个强基线，并在八个争议性话题上达到 89.6% 的准确率和 91.3% 的宏 F 值。第二种方法中，我们利用给定用户的 Twitter 时间线推文扩充其推文，随后对该用户进行无监督分类，即将该用户与训练集中的其他用户进行聚类。该方法达到 95.6% 的准确率和 93.1% 的宏 F 值。
引用
@article{arxiv.2004.03485,
title = {A Few Topical Tweets are Enough for Effective User-Level Stance Detection},
author = {Younes Samih and Kareem Darwish},
journal= {arXiv preprint arXiv:2004.03485},
year = {2020}
}