UniPoll：基于多目标优化的统一社交媒体投票生成框架
计算与语言
2025-01-13 v2
摘要
社交媒体平台对于表达观点与理解公众情绪至关重要，然而许多分析工具忽视了主要消费内容而不主动参与的被动用户。为此，我们引入 UniPoll，一种利用先进自然语言生成（NLG）技术从社交媒体帖子自动生成投票的先进框架。不同于在传统上难以应对社交媒体非正式且上下文敏感特性的方法，UniPoll 利用来自用户评论的丰富上下文并采用多目标优化来提升投票相关性与参与度。为应对社交媒体数据固有的噪声特性，UniPoll 结合了检索增强生成（RAG）与合成数据生成，确保跨真实场景的鲁棒性能。该框架在生成连贯且上下文恰当的问答对上超越了包括 T5、ChatGLM3 与 GPT-3.5 在内的现有模型。在中文 WeiboPolls 数据集与新引入的英文 RedditPolls 数据集上评估，UniPoll 展现出优越的跨语言与跨平台能力，使其成为提升用户参与度并营造更具包容性互动环境的强力工具。
引用
@article{arxiv.2306.06851,
title = {UniPoll: A Unified Social Media Poll Generation Framework via Multi-Objective Optimization},
author = {Yixia Li and Rong Xiang and Yanlin Song and Jing Li},
journal= {arXiv preprint arXiv:2306.06851},
year = {2025}
}
备注
Accepted by IEEE Transactions on Neural Networks and Learning Systems. Project page is live at https://uni-poll.github.io . Code are available at https://github.com/X1AOX1A/UniPoll