基于嵌入的面向特定目标的立场聚类：以两极分化的土耳其为例
社会与信息网络
2022-02-25 v2 计算与语言
计算机与社会
摘要
2018年6月24日，土耳其举行了一场影响重大的选举，土耳其人民在新总统制下的首次选举中选出了总统和议会。在选举期间，土耳其人民在Twitter上广泛分享了他们的政治观点。选民两极分化的一方面表现为对雷杰普·塔伊普·埃尔多安连任的支持或反对。在本文中，我们提出了一种在无监督环境下针对特定目标的立场检测方法，应用于两极分化背景（具体而言为土耳其政治），在识别用户立场时达到了90%的精确率，同时保持了80%以上的召回率。该方法使用Google基于卷积神经网络（CNN）的多语言通用句子编码器将用户表示于嵌入空间中。随后，这些表示以反映相似性的方式投影到更低维的空间中，并进而被聚类。我们展示了我们的方法在针对包括政治人物、不同群体和政党在内的多个目标正确聚类不同群体用户方面的有效性。我们在一个大型数据集上进行分析，该数据集包含1.08亿条土耳其选举相关推文以及16.8万名土耳其用户的时间线推文，这些用户共发布了2.13亿条推文。给定所得的用户立场，我们得以观察话题之间的相关性并计算话题极化程度。
引用
@article{arxiv.2005.09649,
title = {Embeddings-Based Clustering for Target Specific Stances: The Case of a Polarized Turkey},
author = {Ammar Rashed and Mucahid Kutlu and Kareem Darwish and Tamer Elsayed and Cansın Bayrak},
journal= {arXiv preprint arXiv:2005.09649},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:1909.10213