用于分析 Facebook 政治竞选活动的弱监督学习
计算与语言
2023-07-04 v2 人工智能
计算机与社会
机器学习
社会与信息网络
摘要
社交媒体平台目前是政治信息传播的主要渠道，使政客能够针对特定人群并依据其反应进行调整。然而，使这种传播透明化颇具挑战，因为这些信息与其目标受众紧密耦合，且常被致力于推进特定政策的多方利益相关者所呼应。本文中，我们的目标是对理解这些高度去中心化环境迈出第一步。我们提出一种弱监督方法来识别 Facebook 政治广告的立场与议题，并分析政治竞选活动如何通过位置、性别或年龄进行某种人口统计定向。此外，我们分析了政治广告在选举民调上的时间动态。
引用
@article{arxiv.2210.10669,
title = {Weakly Supervised Learning for Analyzing Political Campaigns on Facebook},
author = {Tunazzina Islam and Shamik Roy and Dan Goldwasser},
journal= {arXiv preprint arXiv:2210.10669},
year = {2023}
}
备注
accepted at 17th International AAAI Conference on Web and Social Media (ICWSM-2023), 12 pages