基于变换器的 15 分钟城市议题跨平台舆情分析
计算与语言
2026-04-29 v1 社会与信息网络
摘要
本研究首次对 15 分钟城市概念在 Twitter、Reddit 和新闻媒体上的公众意见进行多平台情感分析。使用压缩变换器模型和 Llama-3-8B 进行注释，我们对异构文本领域中的情感进行分类。我们的管道处理长格式和短格式文本，支持一致的注释，并实现可重复的评估。我们对五个模型 (DistilRoBERTa、DistilBERT、MiniLM、ELECTRA、TinyBERT) 进行基准测试，使用分层 5 折交叉验证，报告 F1 分数、AUC 和训练时间。DistilRoBERTa 取得最高 F1 (0.8292)，TinyBERT 最具效率，MiniLM 在跨平台一致性方面最佳。结果显示，新闻数据因类别不平衡导致性能虚高，Reddit 因摘要丢失受影响，Twitter 提供适中挑战。压缩模型表现出竞争力，挑战了较大模型必要的假设。我们识别出平台特定的权衡，并提出面向城市规划话语中可扩展、现实世界情感分类的方向。
引用
@article{arxiv.2509.11443,
title = {A Transformer-Based Cross-Platform Analysis of Public Discourse on the 15-Minute City Paradigm},
author = {Gaurab Chhetri and Darrell Anderson and Boniphace Kutela and Subasish Das},
journal= {arXiv preprint arXiv:2509.11443},
year = {2026}
}
备注
This is the author's preprint version of a paper accepted for presentation at the 24th International Conference on Machine Learning and Applications (ICMLA 2025), December 3-5, 2025, Florida, USA. The final published version will appear in the official IEEE proceedings. Conference site: https://www.icmla-conference.org/icmla25/