Tweets2Stance：利用零样本学习算法在推文上检测用户立场
社会与信息网络
2022-04-25 v1 人工智能
摘要
近年来，预测活跃社交媒体用户的政治取向日益受到关注，这对研究政治预测、舆论动态建模与用户极化大有裨益。现有方法主要针对 Twitter 用户，依赖于基于内容的分析或基于内容、网络与传播分析的结合。近期的研究视角利用如下事实：用户的政治亲和性主要取决于其关于重大政治与社会议题的立场，从而将焦点转向通过社交网络上共享的用户生成内容来检测用户立场。本文所述工作聚焦于一种完全无监督的立场检测框架，其通过对其 Twitter 时间线进行基于内容的分析来预测用户关于特定社会政治声明的立场。真实用户立场可来自投票建议应用（Voting Advice Applications），这类在线工具通过比较公民的政治偏好与各政党的政治立场来帮助其识别政治倾向。从六个政党在 20 项不同声明上的一致程度出发，本研究的目标是借助 Twitter 政党账号所发推文来预测政党 p 关于每项声明 s 的立场。为此，我们提出 Tweets2Stance（T2S），一种新颖且完全无监督的立场检测器框架，其依赖零样本学习（zero-shot learning）技术对非标注数据快速而准确地运作。有趣的是，T2S 可应用于任意社交媒体用户及任意感兴趣的场景，不限于政治领域。多项实验的结果表明，尽管总体最大 F1 值为 0.4，T2S 能以总体最小 MAE 1.13 正确预测立场，考虑到任务复杂性，这是一项重大成果。
引用
@article{arxiv.2204.10710,
title = {Tweets2Stance: Users stance detection exploiting Zero-Shot Learning Algorithms on Tweets},
author = {Margherita Gambini and Tiziano Fagni and Caterina Senette and Maurizio Tesconi},
journal= {arXiv preprint arXiv:2204.10710},
year = {2022}
}