Two-Stage Stance Labeling: User-Hashtag Heuristics with Graph Neural Networks

要約

ソーシャルメディア上のコンテンツの大量かつ急速な進化は、ソーシャルメディアユーザーの立場を研究する上で大きな課題となっています。
この研究では、ユーザー-ハッシュタグ二部グラフとユーザー-ユーザーインタラクショングラフを利用した2段階のスタンスラベリング手法を開発します。
最初の段階では、スタンスのラベル付けのためのシンプルで効率的なヒューリスティックは、ユーザーとハッシュタグの二部グラフを使用して、ラベル伝播メカニズムを介してユーザーとハッシュタグのノードのスタンスの関連付けを繰り返し更新します。
次に、このソフト ラベルのセットをユーザー間インタラクション グラフと統合して、半教師あり学習を使用してグラフ ニューラル ネットワーク (GNN) モデルをトレーニングします。
私たちは、2021 年 6 月から 2022 年 6 月までの気候変動と 2022 年 1 月から 2023 年 1 月までの銃規制に関連するツイートを含む 2 つの大規模なデータセットでこの手法を評価しました。私たちの実験では、ユーザーのインタラクションからのネットワーク情報を使用してユーザーのテキストベースの埋め込みを強化することが実証されました。
半教師あり GNN 手法を使用したグラフは、ユーザーのテキスト埋め込みでトレーニングされた分類器と、GPT4 などの LLM を使用したゼロショット分類の両方を上回ります。
気候変動や銃規制などの分裂問題に関してソーシャルメディア上の二極化がどのようにして起こるのかをよりよく理解するために、社会科学からの微妙な理解を計算手法のスケーラビリティと統合する必要性について議論します。

要約(オリジナル)

The high volume and rapid evolution of content on social media present major challenges for studying the stance of social media users. In this work, we develop a two stage stance labeling method that utilizes the user-hashtag bipartite graph and the user-user interaction graph. In the first stage, a simple and efficient heuristic for stance labeling uses the user-hashtag bipartite graph to iteratively update the stance association of user and hashtag nodes via a label propagation mechanism. This set of soft labels is then integrated with the user-user interaction graph to train a graph neural network (GNN) model using semi-supervised learning. We evaluate this method on two large-scale datasets containing tweets related to climate change from June 2021 to June 2022 and gun control from January 2022 to January 2023. Our experiments demonstrate that enriching text-based embeddings of users with network information from the user interaction graph using our semi-supervised GNN method outperforms both classifiers trained on user textual embeddings and zero-shot classification using LLMs such as GPT4. We discuss the need for integrating nuanced understanding from social science with the scalability of computational methods to better understand how polarization on social media occurs for divisive issues such as climate change and gun control.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google