在线辩论中语气因果效应的估计
计算与语言
2019-06-13 v2 机器学习
摘要
应用于社交媒体帖子的统计方法揭示了在线对话的动态。例如，用户的措辞选择可预测其说服力，且用户会采纳其他对话参与者的语言模式。在本文中，我们估计辩论中回复语气对后续回复的语言和情感变化的因果效应。该估计的挑战在于，回复的语气与后续回复均受用户在该辩论话题上的意识形态及其情绪所混淆。为克服这一挑战，我们使用文本的 generative models 学习意识形态的表示。我们研究来自 4Forums 的辩论，并比较诸如情绪化 versus 事实性、或合理 versus 攻击性等标注回复语气。我们表明，我们的潜在混淆变量表示减少了 ATE 估计中的偏差。我们的结果表明，事实性和断言性语气会影响对话，并提供了一种从文本估计因果效应的方法。
引用
@article{arxiv.1906.04177,
title = {Estimating Causal Effects of Tone in Online Debates},
author = {Dhanya Sridhar and Lise Getoor},
journal= {arXiv preprint arXiv:1906.04177},
year = {2019}
}
备注
Accepted at International Joint Conference on Artificial Intelligence (IJCAI) 2019 for oral presentation