“两个运动的故事”：基于弱监督图结构预测识别并比较#BlackLivesMatter与#BlueLivesMatter运动相关推文中的立场
计算与语言
2023-10-24 v2
摘要
社交媒体通过促进在线社会运动的形成，已成为社会变革的主要驱动力。自动理解推动该运动的立场以及反对它的声音是一项具有挑战性的任务，因为标注数据难以获取。我们提出了一种弱监督的基于图的方法，显式地对#BlackLivesMatter相关推文中的立场进行建模。我们提出的方法利用了数据的社交—语言表示。我们将文本分解为结构化元素并转换为图，将其与作者的社交网络连接，然后对这些元素进行结构预测以识别立场。我们的方法使用一小部分带标签的种子样本。我们尝试使用大语言模型生成人工训练样本，并将其与人工标注进行比较，发现其取得了相当的性能。我们使用人工标注的测试集进行了定量与定性分析。我们的模型大幅优于多任务基线，成功刻画了支持与反对#BLM的立场。
引用
@article{arxiv.2310.07155,
title = {"A Tale of Two Movements": Identifying and Comparing Perspectives in #BlackLivesMatter and #BlueLivesMatter Movements-related Tweets using Weakly Supervised Graph-based Structured Prediction},
author = {Shamik Roy and Dan Goldwasser},
journal= {arXiv preprint arXiv:2310.07155},
year = {2023}
}
备注
Findings of EMNLP 2023 (Camera Ready)