Rhythm of Opinion: A Hawkes-Graph Framework for Dynamic Propagation Analysis

要約

ソーシャルメディアの急速な発展は、世論のダイナミクスを大幅に再形成し、従来のモデルが効果的にキャプチャできないという複雑な相互作用をもたらしました。
この課題に対処するために、コメント間の複雑な階層的な関係を考慮しながら、ソーシャルネットワーク内のノード間の意見の伝播ダイナミクスをモデリングするマルチエメンションホーク​​スプロセスをグラフニューラルネットワークと統合する革新的なアプローチを提案します。
拡張された多次元ホークスプロセスは、さまざまなトピックにわたる階層構造、多次元相互作用、および相互の影響をキャプチャし、複雑な伝播ネットワークを形成します。
さらに、世論のダイナミクスの進化を包括的にキャプチャできる高品質のデータセットの欠如を認識して、新しいデータセットであるVistaを紹介します。
これには、47,207の投稿、327,015の第2レベルのコメント、および29,578の第3レベルのコメントに対応する159のトレンドトピックが含まれており、政治、エンターテイメント、スポーツ、健康、医学などの多様なドメインをカバーしています。
データセットには、11のカテゴリにわたって詳細なセンチメントラベルが注釈が付けられ、明確に定義された階層的な関係が注釈されています。
私たちの方法と組み合わせると、センチメントの伝播をコメントの階層と時間的進化にリンクすることにより、強い解釈可能性を提供します。
私たちのアプローチは、将来の研究のための堅牢なベースラインを提供します。

要約(オリジナル)

The rapid development of social media has significantly reshaped the dynamics of public opinion, resulting in complex interactions that traditional models fail to effectively capture. To address this challenge, we propose an innovative approach that integrates multi-dimensional Hawkes processes with Graph Neural Network, modeling opinion propagation dynamics among nodes in a social network while considering the intricate hierarchical relationships between comments. The extended multi-dimensional Hawkes process captures the hierarchical structure, multi-dimensional interactions, and mutual influences across different topics, forming a complex propagation network. Moreover, recognizing the lack of high-quality datasets capable of comprehensively capturing the evolution of public opinion dynamics, we introduce a new dataset, VISTA. It includes 159 trending topics, corresponding to 47,207 posts, 327,015 second-level comments, and 29,578 third-level comments, covering diverse domains such as politics, entertainment, sports, health, and medicine. The dataset is annotated with detailed sentiment labels across 11 categories and clearly defined hierarchical relationships. When combined with our method, it offers strong interpretability by linking sentiment propagation to the comment hierarchy and temporal evolution. Our approach provides a robust baseline for future research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google