基于协同推理与自适应融合的多源异构公众舆论分析：系统集成方法
计算与语言
2026-02-19 v1
摘要
来自多个异构来源的公众舆论分析面临显著挑战，due to 结构差异、语义差异和平台特定偏差。本文引入一种新型协同推理与自适应融合（CRAF）框架，通过结构化的多阶段推理机制系统性地整合传统特征方法与大语言模型（LLM）。我们的方法具有四项关键创新：（1）跨平台协作注意力模块在保持源特定特征的同时对齐语义表示；（2）层次化自适应融合机制根据数据质量和任务要求动态加权特征；（3）联合优化策略通过共享潜在空间同时学习主题表示和情感分布；（4）一种新型多模态提取能力，通过整合 OCR、ASR 和视觉情感分析处理来自抖音和快手等平台的视频内容。理论分析表明，CRAF 通过减少 O(sqrt(d log K / m)) 实现了比独立源建模更紧致的泛化界限，其中 d 为特征维度，K 为源数，m 为样本量。全面实验表明，在三个多平台数据集（Weibo-12、CrossPlatform-15、NewsForum-8）上，CRAF 实现了 0.76 的平均主题聚类 ARI（优于最佳基线 4.1%）和 0.84 的情感分析 F1 分数（优于最佳基线 3.8%）。该框架在跨平台适应性方面表现突出，减少了新平台标注数据需求 75%。
引用
@article{arxiv.2602.15857,
title = {Multi-source Heterogeneous Public Opinion Analysis via Collaborative Reasoning and Adaptive Fusion: A Systematically Integrated Approach},
author = {Yi Liu},
journal= {arXiv preprint arXiv:2602.15857},
year = {2026}
}
备注
13 pages, 11 figures