基于无监督深度学习的社交媒体政治倾向细粒度预测
社会与信息网络
2022-02-28 v1 人工智能
计算与语言
计算机与社会
机器学习
摘要
鉴于社交媒体用户政治倾向预测在选举预测、舆论动态建模以及研究极化和虚假信息的政治维度方面的有用性，该任务日益流行。在此，我们提出一种新颖的无监督技术，用于从社交媒体帖子的文本内容中学习细粒度的政治倾向。我们的技术利用深度神经网络在表示学习任务中学习潜在的政治意识形态。随后，用户被投影到一个低维意识形态空间中，并在其中进行聚类。用户的政治倾向根据其所属簇自动推导得出。我们在两个具有挑战性的分类任务中评估了我们的技术，并将其与基线和其他最先进的方法进行了比较。在所有无监督技术中，我们的技术取得了最佳结果，在8类任务中微F1 = 0.426，在3类任务中微F1 = 0.772。除了本身具有意义外，我们的结果也为开发更新更好的无监督细粒度政治倾向检测方法铺平了道路。
引用
@article{arxiv.2202.12382,
title = {Fine-Grained Prediction of Political Leaning on Social Media with Unsupervised Deep Learning},
author = {Tiziano Fagni and Stefano Cresci},
journal= {arXiv preprint arXiv:2202.12382},
year = {2022}
}