两阶段立场标注：用户-话题标签启发式方法与图神经网络
机器学习
2024-05-20 v2 计算与语言
社会与信息网络
摘要
社交媒体上内容的高容量和快速演变给研究社交媒体用户的立场带来了重大挑战。在这项工作中，我们开发了一种两阶段立场标注方法，该方法利用用户-话题标签二分图和用户-用户交互图。在第一阶段，一种简单高效的立场标注启发式方法使用用户-话题标签二分图，通过标签传播机制迭代更新用户和话题标签节点的立场关联。然后，这组软标签与用户-用户交互图相结合，使用半监督学习训练一个图神经网络（GNN）模型。我们在两个大规模数据集上评估了该方法，这两个数据集包含 2021 年 6 月至 2022 年 6 月与气候变化相关的推文，以及 2022 年 1 月至 2023 年 1 月与枪支管制相关的推文。我们的实验表明，使用我们的半监督 GNN 方法，利用用户交互图中的网络信息来丰富用户的基于文本的嵌入，其性能优于在用户文本嵌入上训练的分类器和使用 GPT4 等 LLMs 进行的零样本分类。我们讨论了将社会科学中的细致理解与计算方法的可扩展性相结合的必要性，以更好地理解社交媒体上针对气候变化和枪支管制等分歧性问题如何出现极化。
引用
@article{arxiv.2404.10228,
title = {Two-Stage Stance Labeling: User-Hashtag Heuristics with Graph Neural Networks},
author = {Joshua Melton and Shannon Reid and Gabriel Terejanu and Siddharth Krishnan},
journal= {arXiv preprint arXiv:2404.10228},
year = {2024}
}