测量有影响力消息对不同人格角色的作用效应
计算与语言
2023-05-29 v1 机器学习
摘要
预测用户如何响应新闻事件可支撑重要应用，例如使智能体或内容生产者能够估计对不同社群的影响，并修改未发布消息以防止社会冲突与道德伤害等意外不良后果。我们提出一项新任务——新闻媒体中面向人格角色的响应预测，用于估计某人格角色（刻画个体或群体）在看到新闻消息时可能产生的响应。相较于仅预测对新闻的通用评论的既往工作，所提任务不仅在建模中引入个性化，还预测各响应的情感极性与强度。这使得对人格角色心理状态的推断更准确全面。同时，生成的情感维度使评估与应用更可靠。我们创建了首个基准数据集，包含来自 Twitter 的 3,847 条新闻标题的 13,357 条响应。我们进一步用该数据集评估 SOTA 神经语言模型。实证结果表明，所纳入的人格属性有助于所有响应维度的性能。我们的分析显示，性能最优的模型能够预测与人格角色一致的响应，并且作为副产品，该任务形式也支持社交网络群体及其观点分析中的许多有趣应用，如极端观点群体的发现。
引用
@article{arxiv.2305.16470,
title = {Measuring the Effect of Influential Messages on Varying Personas},
author = {Chenkai Sun and Jinning Li and Hou Pong Chan and ChengXiang Zhai and Heng Ji},
journal= {arXiv preprint arXiv:2305.16470},
year = {2023}
}