DoubleH：基于二部图神经网络的Twitter用户立场检测
社会与信息网络
2023-01-24 v1 人工智能
摘要
随着社交媒体的发展与普及，研究社交媒体用户的立场是一项具有挑战性且紧迫的问题。社交媒体用户通过发布推文和转推来表达其立场。因此，用户之间的同质关系以及用户与推文之间的异质关系与立场检测任务相关。近来，图神经网络（GNNs）发展迅速并被应用于社交媒体研究。本文中，我们爬取了2020年美国总统大选的大规模数据集，并通过人工标注的标签话题（hashtags）对所有用户进行自动标注。随后，我们提出一种二部图神经网络模型DoubleH，旨在更好地利用用户立场检测任务中的同质与异质信息。具体而言，我们首先基于发布与转推关系为包括用户与推文的两类节点构建二部图。然后，我们通过提取并分别处理节点邻居中的异质与同质信息来迭代更新节点表示。最后，用户节点的表示被用于用户立场分类。实验结果表明，DoubleH在流行基准上优于最先进的方法。进一步分析说明了模型对信息的利用，并展示了其在不同层数下的稳定性与效率。
引用
@article{arxiv.2301.08774,
title = {DoubleH: Twitter User Stance Detection via Bipartite Graph Neural Networks},
author = {Chong Zhang and Zhenkun Zhou and Xingyu Peng and Ke Xu},
journal= {arXiv preprint arXiv:2301.08774},
year = {2023}
}