你的立场已暴露！社交媒体立场检测中可能因素的分析

用户在多大程度上可以被推断出对给定话题的立场？大多数立场检测研究集中于分析用户关于某话题的帖子来预测立场。然而，社交媒体中的立场可以从反映用户信念的混合信号中推断，包括帖子和在线互动。本文考察用户的多种在线特征以检测其针对不同话题的立场。我们比较了多组特征，包括话题内内容、网络互动、用户偏好和在线网络连接。我们的目标是理解能够揭示用户立场的在线信号。实验应用于SemEval立场检测任务的推文数据集，涵盖五个话题。结果表明，用户的立场可通过其在线活动的多种信号检测，包括其关于该话题的帖子、其互动或关注的网络、其访问的网站以及其点赞的内容。使用不同网络特征的立场建模性能与仅使用文本内容的已有最优模型相当。此外，结合网络和内容与特征在SemEval数据集上取得了迄今为止报道的最高性能，F值达72.49%。我们进一步给出广泛分析以展示这些不同特征组如何揭示立场。我们的发现具有显著的隐私影响，它们强调立场深深嵌入用户的在线社交网络中，原则上，即使个人不发布相关话题内容，也可通过其互动和连接被画像。