KHAN：用于精确政治立场预测的知识感知分层注意力网络
计算与语言
2023-04-06 v3 人工智能
机器学习
摘要
新闻文章的政治立场预测已被广泛研究，以缓解回声室效应——人们陷入自身思绪并强化其既有信念。先前关于政治立场问题的工作聚焦于（1）识别可反映新闻文章政治立场的政治因素，以及（2）有效捕捉那些因素。尽管取得了经验性成功，但它们所识别因素在政治立场预测中的有效性并未得到充分论证。受此驱动，本工作中我们进行了一项用户研究，以调查政治立场预测中的重要因素，并观察到新闻文章的语境与语气（隐式）以及文章中出现真实世界实体的外部知识（显式）对判定其政治立场十分重要。基于该观察，我们提出一种新颖的知识感知政治立场预测方法（KHAN），采用（1）分层注意力网络（HAN）以在三个不同层级学习词与句之间的关系，以及（2）知识编码（KE）将真实世界实体的外部知识纳入政治立场预测过程。此外，为考量对立政治立场间细微而重要的差异，我们自行构建两个独立的政治知识图谱（KG）（即KG-lib与KG-con）并学习融合不同的政治知识。通过在三个真实世界数据集上的广泛评估，我们展示了DASH在（1）准确性、（2）效率与（3）有效性方面的优越性。
引用
@article{arxiv.2302.12126,
title = {KHAN: Knowledge-Aware Hierarchical Attention Networks for Accurate Political Stance Prediction},
author = {Yunyong Ko and Seongeun Ryu and Soeun Han and Youngseung Jeon and Jaehoon Kim and Sohyun Park and Kyungsik Han and Hanghang Tong and Sang-Wook Kim},
journal= {arXiv preprint arXiv:2302.12126},
year = {2023}
}
备注
12 pages, 5 figures, 10 tables, the Web Conference 2023 (WWW)