Twitter 上无监督用户立场检测
社会与信息网络
2020-05-22 v3
摘要
我们提出一种高效的无监督框架，用于检测多产 Twitter 用户针对争议性话题的立场。具体而言，我们使用降维将用户投影到低维空间，随后进行聚类，从而找到代表不同立场的核心用户。相较于基于有监督或半监督分类的已有方法，我们的框架具有三大优势。首先，我们不需要任何用户先验标注：相反，我们创建聚类，其后的手动标注要容易得多，例如只需数秒或数分钟而非数小时。其次，无论是指定相关立场（标签）还是执行实际标注，都不需要领域或话题层面的知识。第三，我们的框架在面对数据偏斜时具有鲁棒性，例如某些用户或某些立场在数据中代表性更强时。我们在三个不同数据集（英语和土耳其语）上，通过不同的用户相似度特征、数据集规模、降维方法和聚类算法组合实验，以确定最有效且计算最高效的组合。我们还在涵盖六个不同争议话题的额外推文集上进一步验证了结果。我们在效率与效果上最佳的组合使用被转推账户作为特征、UMAP 用于降维、Mean Shift 用于聚类，并产出少量高质量用户聚类，通常仅 2–3 个，纯度超过 98%。所得用户聚类可用于训练下游分类器。此外，我们的框架对超参数值变化及随机初始化均具有鲁棒性。
关键词
引用
@article{arxiv.1904.02000,
title = {Unsupervised User Stance Detection on Twitter},
author = {Kareem Darwish and Peter Stefanov and Michaël Aupetit and Preslav Nakov},
journal= {arXiv preprint arXiv:1904.02000},
year = {2020}
}