社会世界知识：建模与应用

社会世界知识是人类和机器进行有效沟通与信息处理的关键要素。迄今为止，存在许多表示事实性世界知识的知识库。然而，尚无旨在捕捉世界知识社会层面的资源。我们认为，本工作朝着此类资源的公式化与构建迈出了重要一步。我们引入 SocialVec，一种从实体在社交网络中出现的社交语境中引出低维实体嵌入的通用框架。在该框架中，实体对应于引发普遍兴趣的高热度账户。我们假设单个用户倾向于共同关注的实体在社会上相关，并利用这一社交语境定义来学习实体嵌入。类似于有助于涉及文本语义任务的词嵌入，我们期望所学社会实体嵌入能惠及多种具有社会属性的任务。在本工作中，我们从 130 万 Twitter 用户样本及其关注的账户中引出了约 20 万实体的社会嵌入。我们在两个具有社会重要性的任务上运用并衡量了所得嵌入。首先，我们根据实体在社会嵌入空间中的相似性评估新闻源的政治偏见。其次，我们基于用户所关注实体的社会嵌入预测个体 Twitter 用户的人格特质。在两种情况下，相较任务特定基线，我们使用自身方法均展现出优越或具竞争力的表现。我们进一步表明，现有的基于事实的实体嵌入方案无法捕捉知识的社会层面。我们向研究界开放所学社会实体嵌入，以支持对社会世界知识及其应用的进一步探索。