利用图神经网络与结构化稀疏性建模极化在线群体中的意识形态显著度与框架
计算与语言
2022-12-16 v3 人工智能
社会与信息网络
摘要
在线政治话语日益极化，亟需能够自动检测并监测社交媒体中意识形态分歧的计算工具。我们提出了一种极小监督方法，利用在线讨论论坛（具体而言是 Reddit）的网络结构来检测极化概念。我们基于道德心理学的见解，沿显著度与框架维度对极化进行建模。我们的架构将图神经网络与结构化稀疏性学习相结合，由此得到的概念与子版块表示能够捕捉诸如右翼与左翼激进化等时间性意识形态动态。
引用
@article{arxiv.2104.08829,
title = {Modeling Ideological Salience and Framing in Polarized Online Groups with Graph Neural Networks and Structured Sparsity},
author = {Valentin Hofmann and Xiaowen Dong and Janet B. Pierrehumbert and Hinrich Schütze},
journal= {arXiv preprint arXiv:2104.08829},
year = {2022}
}
备注
NAACL 2022 (Findings)