研究用户激进化：用于识别细粒度意见时序偏移的新数据集

随着对潜在极化社会效应的担忧加剧，对社交媒体用户细粒度意见偏移建模的需求日益增长。然而，缺乏适用于该任务的公开数据集是一大挑战。本文引入一个创新的标注数据集，用于建模微妙的意见波动并检测细粒度立场。该数据集包含每位用户随时间及在整个对话线程中充足的立场极性与强度标签，从而可在长期与短期内均检测到微妙的意见波动。所有帖子由非专家标注，且相当部分数据亦由专家标注。我们提供了一种招募合适非专家的策略。我们对标注者间一致性的分析表明，非专家多数投票所得的标注质量与专家标注相当。我们提供了短期与长期层面的立场演化分析、摇摆态度与坚定态度用户间的语言使用对比，以及细粒度立场检测基线。