快速少样本自注意力半监督政治倾向预测
计算机与社会
2022-09-26 v2 人工智能
计算与语言
机器学习
摘要
随着大众在社交媒体上参与度的上升，政策制定者/记者在社交媒体上创建在线投票以了解特定地区人群的政治倾向已愈发常见。这里的 caveat 是，只有有影响力的人才能进行此类在线投票并大规模触达。此外，在这种情况下，投票者的分布不可控，且实际上可能存在偏差。另一方面，如果我们能解读社交媒体上的公开数据以探查用户的政治倾向，我们将能够获得关于调查人群的可控洞察，保持调查成本低廉，并在不牵涉相关个人的情况下收集公开数据。为此，我们引入了一种用于政治倾向检测的自注意力半监督框架以推进该目标。我们模型的优势在于既不需要海量训练数据，也不需要存储社交网络参数。尽管如此，它在无标注数据下达到了 93.7\% 的准确率；此外，在每类仅少量标注样本的情况下，它取得了具有竞争力的性能。我们发现该模型即使在资源受限环境下也极为高效，并且当其应用于多样的真实场景时，由其预测得出的洞察与人工调查结果相符。
引用
@article{arxiv.2209.10292,
title = {Fast Few shot Self-attentive Semi-supervised Political Inclination Prediction},
author = {Souvic Chakraborty and Pawan Goyal and Animesh Mukherjee},
journal= {arXiv preprint arXiv:2209.10292},
year = {2022}
}
备注
Accepted to ICADL'22