May, 2024

揭示议程：一个用于社交媒体议程检测的新型法英数据集

PDF
TL;DR通过使用以 2022 年法国总统选举为中心的推特信息集，本文提出了一种用于检测社交媒体上特定议程控制实例的方法，该方法适用于注释数据有限或不存在的情况，并通过评估不同方法和技术的全面性展示了其可行性，证明将任务视为文本蕴涵问题可以克服对大规模注释训练数据集的需求。
behaviordecision makinggroupsonline influence campaignsagenda control
发现论文，激发创造
  • 社交对话：在社交媒体上捕捉议程和情绪

    通过提取社交媒体上的信息可获得人们对公共事件的意见和社会动态的有价值见解，本文提出了一种从特定话题的用户组讨论中提取影响指标的新方法，重点关注议程控制和情感语言的使用。

    Feb, 2024

  • 检测新闻文章中的有害议程

    本研究提出新的任务，释放了新闻文章数据集 NewsAgendas，用于检测有害议程；为了有效，这些有害议程检测器必须是可解释的，并且可解释模型的表现可以与黑盒模型相媲美。

    Jan, 2023

  • 2017 年法国总统选举前的虚假信息和社交机器人运营

    研究发现，社交媒体被系统性地利用来操纵和改变公众舆论，MacronLeaks 虚假信息运动中的账号使用模式表明可能存在可重复使用的政治虚假信息机器人的黑市。

    Jul, 2017

  • Twitter 上的政治社区：2022 年法国总统选举的案例研究

    本研究基于推特社交媒体上的 1.2 百万用户和 62.6 百万推文，旨在分析 2022 年法国总统选举期间形成的政治社群，并在用户转发图上执行社群检测，提出了对每个社群立场的深入分析，最终试图检测冒犯性推文和自动机器人，以比较各社群，了解每个候选人的支持者人口统计和在线竞选策略。

    Apr, 2022

  • 选举相关推文自动检测和分类

    本文介绍了一种基于深度神经网络的技术框架，用于在 Twitter 上连续纵向地识别和分析选举相关的对话，其模型可以将选举相关的推文检测的 F 分数为 0.92，并将这些推文分类为 22 个主题，其 F 分数为 0.90。

    May, 2016

  • 社交媒体中政治关注的两种计算模型

    本文介绍了两个计算模型，一个是有监督分类器，一个是无监督主题模型，以自动区分政界人士在社交媒体上发布的内容的话题，是政治传播和社交媒体研究的有效、廉价的计算工具。

    Sep, 2019

  • 政治广告数据集：波兰 2020 年总统选举的使用案例

    在社交媒体上，政治竞选充斥着政治广告。该研究提出了一种公开可用的数据集，用于检测特定文本块和政治广告类别的内容，特定文本块和政治广告类别是符合波兰选举法的竞选基本形式。数据集包含 1,705 条人工标注的推文，标有九个类别。该数据集被用来训练神经标记器，并用于对波兰 2020 年总统选举在 Twitter 上的初步分析。

    Jun, 2020

  • Twitter 是否知道你的政治观点？POLiTweets 数据集和半自动方法的政治倾向发现

    研究发现，使用社交媒体平台的用户只需发表 13 篇与社会相关的帖子即可预测其政治取向，作者通过创新的半自动化方法来发现用户的政治倾向，并公开了波兰的 POLiTweets 数据集，以研究多党制的政治倾向和领域转移等问题。

    Jun, 2022

  • 社交媒体危险事件检测：一项综述

    社交媒体是信息和交流的一个重要渠道，然而有些人和团体利用社交媒体推广他们的议程，可能对不同观点的人造成危险。本文提出了危险事件的概念以及根据特征将其分类为行动、情景和基于情感的事件，目的在于解决这个问题。

    Apr, 2022

  • 选举激励数据集：波兰选举的应用案例

    通过一个包含 6,112 个人工标注推文的数据集，我们调整了一种名为 HerBERT 的波兰语言模型，实现了对波兰语选举煽动的检测，并为此提供了多种潜在应用情景，并对推特上的波兰 2020 年总统选举进行了分析。

    Jul, 2023