基于立场摘要的社交媒体争议解释方法

在社交媒体上新的争议迅速出现并演变的时代，浏览社交媒体平台以了解新的争议可能是一项令人不堪重负的任务。有鉴于此，已有大量研究探讨如何在线识别和度量争议。然而，我们目前缺乏有效理解社交媒体中争议的工具。例如，用户必须手动检查帖子以找出构成争议的对立立场的论点。在本文中，我们研究生成立场感知摘要的方法，通过收集两种对立立场的论点来解释给定的争议。我们聚焦于 Twitter，并将立场摘要视为一个排序问题，即找出最能概括争议话题两种对立立场的前 k 条推文。我们形式化了良好立场摘要的特征，并据此提出一个排序模型。我们首先在 Twitter 上的五个争议话题上评估我们的方法。我们的用户评估表明，我们的方法在生成解释给定争议的摘要方面持续优于其他基线技术。