预测媒体与热门 Twitter 用户的议题立场
社会与信息网络
2020-05-22 v2 信息检索
摘要
发现媒体机构与有影响力人士对当前争议性议题的立场，对社会统计学家与政策制定者十分重要。许多确定观点的监督式方案存在，但人工标注训练数据成本高昂。本文中，我们提出一种级联方法：先利用无监督学习，借助转发行为确定 Twitter 用户相对于极化议题的立场；随后，基于用户标签使用监督学习来刻画在线媒体与热门 Twitter 用户的总体政治倾向，以及它们相对于目标极化议题的立场。我们通过将该模型的预测与来自 Media Bias/Fact Check 网站的黄金标签比较来评估模型，取得了 82.6% 的准确率。
引用
@article{arxiv.1907.01260,
title = {Predicting the Topical Stance of Media and Popular Twitter Users},
author = {Peter Stefanov and Kareem Darwish and Atanas Atanasov and Preslav Nakov},
journal= {arXiv preprint arXiv:1907.01260},
year = {2020}
}