Sep, 2024

社交媒体立场检测综述：新方向与视角

HTML
PDF
TL;DR本研究针对社交媒体上关于争议话题的立场检测问题，提出了一种系统化的分析方法，以洞察公众情绪。通过回顾现有的传统和先进方法，研究发现需要构建更强大和可推广的模型，并强调关注低资源语言和多模态立场检测等新兴挑战。
发现论文，激发创造
  • 推文中的立场和情感

    本文介绍了一种基于社交媒体的立场检测的方法，该方法使用了情感分析来帮助检测人们的立场，同时构建了一个用于训练和测试机器学习模型的数据集，并使用了远程监督技术和词嵌入来进一步提高立场检测的准确性。

    May, 2016

  • 社交媒体立场检测的可能因素分析

    本文旨在探讨利用用户在社交媒体上的行为特征来检测其对不同主题的立场。实验结果表明，用户的立场可以通过其相对应的社交网络特征得到比较好的检测，同时发现这些特征具有一定的隐私影响。

    Aug, 2019

  • 社交媒体立场检测：现状与趋势

    该文综述了社交媒体上基于观点挖掘的新兴姿态检测技术，比较了不同领域的方法，包括自然语言处理、Web科学和社交计算，并在现有基准数据集上介绍了这些姿态检测技术的最新结果，讨论了最有效的方法和技术，还探讨了社交媒体上姿态检测的新趋势和应用，最后总结了目前该领域存在的缺陷和未来发展方向。

    Jun, 2020

  • 网络和社交媒体中的立场检测：一项比较研究

    本文探讨了在社交媒体平台上进行自动立场检测的多种方法，包括神经模型和经典的分类器模型，并对它们的可复现性和比较性能进行了详细的研究和实验。

    Jul, 2020

  • 误信息和假新闻辨别中的立场检测综述

    该论文旨在研究和分析既包括事实检查和谣言检测，也包括偏见检测和情感分析的不同类别和方法之间的联系，重点关注在检测虚假信息及其分化方面的已有工作，并讨论了未来的挑战。

    Feb, 2021

  • 利用远程网络监督进行半监督推文态度检测

    本研究介绍了一种新的基于半监督学习的立场检测方法SANDS，通过构建深度特征视图和利用社交网络提供的远程监督信号，SANDS在美国和印度两个不同政治派别下的推文数据上获得了较高的F1得分0.55和0.49。

    Jan, 2022

  • 使用扩展立场三角框架指导计算立场检测

    本文从语言学角度分解了立场检测任务，并详细研究了该任务中的关键组件和推理路径。作者扩展了先前提出的立场三角形语言框架，并使用该框架扩展了单一的训练语料库以增加注释。 实验结果表明，战略丰富的数据可以显着提高跨领域和跨目标评估的性能。

    May, 2023

  • 多模态立场检测：新数据集和模型

    通过整合文本和图像的多模态信息，文章提出了一种简单而有效的TMPT框架，利用目标信息从文本和视觉模态学习多模态姿态特征，并在三个基准数据集上取得了最先进的多模态姿态检测性能。

    Feb, 2024

  • 立场推理器：在社交媒体上的零样本立场检测与明确推理

    通过利用事前训练语言模型作为世界知识源，利用推理过程生成中间推理步骤的链式思维上下文学习方法，Stance Reasoner在社交媒体上的零样本立场检测方面优于现有技术，包括完全监督模型，并且能够更好地推广到不同的目标，并提供明确且可解释的解释其预测。

    Mar, 2024

  • 推进社交媒体帖子立场注释：对大型语言模型和众包的比较分析

    分析了使用大型语言模型在社交媒体中自动进行文本标注的效果和准确性，并探讨了人工标注者与模型的判断差异，发现模型通常在人工标注者很难达成一致意见的情况下表现不佳，对于进一步提高自动立场检测的准确性和全面性，建议综合运用人工专业知识和模型预测的方法。

    Jun, 2024