用于社交媒体社会支持检测的高级机器学习技术
计算与语言
2025-01-08 v1 人工智能
人机交互
机器学习
摘要
社交媒体的广泛使用凸显了理解其影响的必要性，尤其是在线社会支持的作用。本研究使用了一个聚焦于在线社会支持的数据集，该数据集包含社交媒体上社会支持内容的二分类和多分类。社会支持的分类被划分为三个任务。第一个任务侧重于区分支持性与非支持性内容。第二个任务旨在识别支持是指向个人还是群体。第三个任务对社会支持的具体类型进行分类，将其归入国家、LGBTQ、黑人、女性、宗教和其他（如果不属于上述类别）等类别。为了解决这些任务中的数据不平衡问题，我们采用 K-means 聚类对数据集进行平衡，并将结果与原始不平衡数据进行比较。利用包括 Transformer 和基于 GPT3、GPT4 和 GPT4-o 的零样本学习方法在内的高级机器学习技术，我们预测了各种情境下的社会支持水平。使用不同学习方法的基线模型评估了数据集的有效性，其中基于 Transformer 的方法表现出更优的性能。此外，与之前利用传统机器学习和心理语言学及基于一元语法的 TF-IDF 值的工作相比，我们在第二个任务的 macro F1 分数上取得了 0.4% 的提升，在第三个任务上取得了 0.7% 的提升。
引用
@article{arxiv.2501.03370,
title = {Advanced Machine Learning Techniques for Social Support Detection on Social Media},
author = {Olga Kolesnikova and Moein Shahiki Tash and Zahra Ahani and Ameeta Agrawal and Raul Monroy and Grigori Sidorov},
journal= {arXiv preprint arXiv:2501.03370},
year = {2025}
}