争议检测：一种基于文本与图神经网络的方法
计算与语言
2021-12-22 v1 机器学习
神经与进化计算
社会与信息网络
摘要
争议性内容指任何同时吸引正面与负面反馈的内容。其自动识别，尤其在社交媒体上，是一项具有挑战性的任务，因为需在涵盖大量主题、持续演化的海量帖子上完成。现有多数方法依赖于主题讨论的图结构和/或消息内容。本文提出一种基于讨论图结构与文本特征的争议检测方法。我们提出的方法依赖图神经网络（GNN）在执图分类任务前将图表示（包括其文本）编码为嵌入向量。后者将帖子分类为是否具有争议性。提出了两种争议检测策略。第一种基于层次化图表示学习。图用户节点被层次化且迭代地嵌入以计算整图嵌入向量。第二种基于注意力机制，允许每个用户节点在计算节点嵌入时对其邻居赋予或多或少的重视。我们使用不同真实世界数据集开展实验评估我们的方法。实验表明结合文本特征与结构信息在性能上具有积极影响。
引用
@article{arxiv.2112.11445,
title = {Controversy Detection: a Text and Graph Neural Network Based Approach},
author = {Samy Benslimane and Jérome Azé and Sandra Bringay and Maximilien Servajean and Caroline Mollevi},
journal= {arXiv preprint arXiv:2112.11445},
year = {2021}
}