用于分析社交媒体中政治注意力的两种计算模型
社会与信息网络
2019-09-19 v1 机器学习
机器学习
摘要
理解政治注意力如何分配以及集中于哪些议题，对于议程设置、框架建构与政治修辞等领域的研究至关重要。现有测量注意力的方法，如依据既定编码手册进行人工标注，成本高昂且可能具局限性。我们描述了两种可自动区分政客社交媒体内容中话题的计算模型。我们的模型——一个监督分类器与一个无监督话题模型——提供不同益处。监督分类器减少了依据预定话题列表对内容进行分类所需的人工。然而，推文不止传达政策立场。我们的无监督模型揭示了政治话题与其他推特用途（如选民服务）。这些模型是政治传播与社交媒体研究中高效、低成本的计算工具。我们将两种模型应用于第 115 届美国国会成员发布的推文，展示了其实用性并讨论了它们所支持的不同分析。
引用
@article{arxiv.1909.08189,
title = {Two Computational Models for Analyzing Political Attention in Social Media},
author = {Libby Hemphill and Angela M. Schöpke-Gonzalez},
journal= {arXiv preprint arXiv:1909.08189},
year = {2019}
}
备注
Accepted for publication in the International AAAI Conference on Web and Social Media (ICWSM 2020)