一种基于LLM智能体和图的更先进的群体极化测量方法
计算机与社会
2024-12-17 v2 人工智能
摘要
群体极化是社交媒体内容分析中的一个重要研究方向，吸引了众多研究者探索该领域。因此，如何有效测量群体极化已成为一个关键课题。在社交媒体上测量群体极化面临若干现有解决方案尚未解决的挑战。首先，社交媒体群体极化测量涉及处理大量文本，这对信息提取构成了重大挑战。其次，社交媒体文本通常包含难以理解的内容，包括讽刺、模因和网络俚语。此外，群体极化研究侧重于整体分析，而文本通常是碎片化的。为应对这些挑战，我们设计了一种基于多智能体系统的解决方案，并使用图结构的社区情感网络（CSN）来表示极化状态。此外，我们基于CSN开发了一种称为社区对立指数（COI）的度量标准来量化极化。最后，我们通过零样本立场检测任务测试了我们的多智能体系统，并取得了出色结果。总之，所提出的方法在可用性、准确性和可解释性方面具有重要价值。
引用
@article{arxiv.2411.12196,
title = {A More Advanced Group Polarization Measurement Approach Based on LLM-Based Agents and Graphs},
author = {Zixin Liu and Ji Zhang and Yiran Ding},
journal= {arXiv preprint arXiv:2411.12196},
year = {2024}
}