TAIGR：通过结构化、实用推理建模社交媒体上的影响者内容
计算与语言
2026-01-29 v1
摘要
健康影响者在塑造公众信念方面发挥越来越重要的作用，但其内容通常通过对话叙事和修辞策略而非明确的事实陈述来表达。因此，基于主张的验证方法难以捕捉影响者话语的实用意义。本文提出 TAIGR (Takeaway Argumentation Inference with Grounded References)，一个结构化框架，用于分析影响者话语，包含三个阶段：(1) 识别核心影响者建议—要点；(2) 构建捕获影响者对要点论证的论证图；(3) 执行基于因子图的概率推理以验证该要点。我们在针对健康领域社交媒体上视频字幕的内容验证任务上评估了 TAIGR，结果显示，准确的验证需要建模话语的实用和论证结构，而非将字幕视为独立主张的平坦集合。
引用
@article{arxiv.2601.20032,
title = {TAIGR: Towards Modeling Influencer Content on Social Media via Structured, Pragmatic Inference},
author = {Nishanth Sridhar Nakshatri and Eylon Caplan and Rajkumar Pujari and Dan Goldwasser},
journal= {arXiv preprint arXiv:2601.20032},
year = {2026}
}