社交网络上的极化检测：基于双对比目标的自监督学习
社会与信息网络
2024-09-13 v1
摘要
回音室和线上话语已成为常见的社会现象，其中社区成员进行激烈的内部确认和跨群体敌意。极化检测是检测和识别此类极化群体的新兴研究主题。以往的极化检测研究主要聚焦于来自数据集特定特征和先验知识中手工提取的特征，这些特征难以推广到其他数据集。本文提出了一个统一的自监督极化检测框架，在无监督和半监督极化检测任务上超过先前方法。我们的框架利用双对比目标（DocTra）：（1）互动层面：对比节点之间的互动，以提取互动模式的关键特征；（2）特征层面：对提取的极化和不变特征进行对比，以鼓励特征解耦。我们的实验在 7 个公开数据集上对 7 个基线方法进行了广泛评估，显示出显著的性能提升。
引用
@article{arxiv.2409.07716,
title = {Polarization Detection on Social Networks: dual contrastive objectives for Self-supervision},
author = {Hang Cui and Tarek Abdelzaher},
journal= {arXiv preprint arXiv:2409.07716},
year = {2024}
}