STEntConv: 利用立场检测和符号图卷积网络预测分歧
计算与语言
2024-03-27 v2
摘要
社交媒体平台的兴起导致在线讨论极化加剧，尤其是在政治和社会文化话题上，如选举和气候变化。我们提出了一种简单新颖的无监督方法，利用从帖子中获得的用户对命名实体的立场，来预测两个帖子的作者是否同意或不同意。我们提出了STEntConv模型，该模型构建了一个由用户和命名实体组成的图，并通过立场加权，训练一个符号图卷积网络（SGCN）来检测评论和回复帖子之间的分歧。我们进行了实验和消融研究，结果表明，在Reddit帖子数据集上，对于一系列有争议的子版块话题，包含这些信息可以提高分歧检测性能，而无需平台特定特征或用户历史。
引用
@article{arxiv.2403.15885,
title = {STEntConv: Predicting Disagreement with Stance Detection and a Signed Graph Convolutional Network},
author = {Isabelle Lorge and Li Zhang and Xiaowen Dong and Janet B. Pierrehumbert},
journal= {arXiv preprint arXiv:2403.15885},
year = {2024}
}
备注
Accepted for the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024)