對(duì)某個(gè)主題的立場(chǎng)如何從他們的在線活動(dòng)中推斷出來

最近一些極端有爭(zhēng)議的事件證明了這一點(diǎn)，例如Facebook和Cambridge Analytica丑聞，社交媒體可以成為用戶信息的真正金礦。事實(shí)上，大多數(shù)社會(huì)研究人員和分析公司認(rèn)為社交媒體是了解公眾輿論以及個(gè)人如何對(duì)特定事件做出反應(yīng)的最有價(jià)值的資源之一。

考慮到這一點(diǎn)，全世界的研究小組一直在努力開發(fā)分析社交媒體活動(dòng)的工具，并自動(dòng)收集有關(guān)人們對(duì)特定主題的立場(chǎng)的信息。在最近的一項(xiàng)研究中，愛丁堡大學(xué)的一組研究人員已著手揭示一些關(guān)鍵因素，這些因素有助于根據(jù)社交媒體資料確定個(gè)人的立場(chǎng)。他們的論文預(yù)先發(fā)布在arXiv上，提供了有趣的新見解，可以開發(fā)更高級(jí)的分析工具。

“社交媒體上的立場(chǎng)預(yù)測(cè)在各種分析研究中發(fā)揮著關(guān)鍵作用，旨在衡量公眾對(duì)各種主題的看法，”進(jìn)行這項(xiàng)研究的研究人員之一Abeer Aldayel告訴TechXplore。“最近，研究提出了各種方法來模擬社交媒體上的立場(chǎng)。本研究探討了如何使用多種在線交互信號(hào)從社交媒體數(shù)據(jù)中預(yù)測(cè)人們對(duì)特定主題的立場(chǎng)。本文的主要信息之一是有關(guān)于用戶隱私的真正關(guān)注。我們希望這項(xiàng)研究能夠提高個(gè)人對(duì)網(wǎng)上活動(dòng)的認(rèn)識(shí)以及如何使用。“

為了更好地理解可以揭示用戶對(duì)事件或主題的觀點(diǎn)的在線信號(hào)，研究人員對(duì)流行的姿態(tài)檢測(cè)數(shù)據(jù)集進(jìn)行了深入研究，稱為SemEval姿態(tài)數(shù)據(jù)集。SemEval立場(chǎng)數(shù)據(jù)集包含有關(guān)五個(gè)政治，社會(huì)和宗教主題的4000條推文。

Aldayel和她的同事Magdy博士使用三個(gè)關(guān)鍵的網(wǎng)絡(luò)互動(dòng)因素分析了社交媒體上站姿預(yù)測(cè)的可能在線因素。第一個(gè)因素稱為“交互網(wǎng)絡(luò)”，包括用戶與其推文交互或引用的帳戶和網(wǎng)絡(luò)域。第二種稱為“偏好網(wǎng)絡(luò)”，由與用戶喜歡的帖子中包含的其他帳戶和網(wǎng)絡(luò)域的間接交互組成。第三個(gè)也是最后一個(gè)因素，稱為“連接網(wǎng)絡(luò)”，包括跟隨用戶和用戶關(guān)注的所有帳戶。

值得注意的是，這些網(wǎng)絡(luò)因素與用戶表達(dá)對(duì)分析主題的立場(chǎng)無關(guān)，因?yàn)檫@些因素取決于用戶與其互動(dòng)的社交互動(dòng)和網(wǎng)站，無論其推文內(nèi)容如何，??”Aldayel解釋道。

研究人員收集的結(jié)果表明，可以通過分析她在線活動(dòng)的多個(gè)方面來檢測(cè)用戶的立場(chǎng)，包括帖子，他們與之交互或關(guān)注的帳戶，他們?cè)L問的網(wǎng)站以及他們喜歡的內(nèi)容。有趣的是，在僅分析網(wǎng)絡(luò)功能時(shí)，團(tuán)隊(duì)實(shí)現(xiàn)了與僅關(guān)注帖子的文本內(nèi)容的最先進(jìn)模型相似的性能。此外，當(dāng)結(jié)合網(wǎng)絡(luò)功能(即用戶的在線連接)和內(nèi)容功能(即用戶的帖子)時(shí)，研究人員實(shí)現(xiàn)了迄今為止報(bào)告的最高站姿檢測(cè)性能，F(xiàn)測(cè)量值為72.49%。

“我們的研究通過使用在線網(wǎng)絡(luò)功能明確地證明了如何通過使用不同的網(wǎng)絡(luò)交互信號(hào)來預(yù)測(cè)未表達(dá)的姿態(tài)，”Aldayel說。“大多數(shù)關(guān)鍵在線功能有時(shí)可能與分析主題無關(guān)，但對(duì)決定立場(chǎng)有很大影響。例如，與@goodreads和@SkyNews等帳戶的互動(dòng)有助于發(fā)現(xiàn)女權(quán)主義運(yùn)動(dòng)的立場(chǎng)(FM) )和氣候變化(CC)。“

之前大多數(shù)關(guān)注姿態(tài)檢測(cè)的研究沒有證明用戶留下的每條在線“痕跡”如何幫助檢測(cè)他們對(duì)特定物質(zhì)的立場(chǎng)。另一方面，Aldayel和她的同事收集了關(guān)于個(gè)人社交媒體用戶在線執(zhí)行的每個(gè)操作的重要性的具體見解，包括諸如跟隨帳戶或喜歡他人帖子的“沉默”操作。

“我們研究的另一個(gè)有趣的發(fā)現(xiàn)是，三個(gè)網(wǎng)絡(luò)中每個(gè)網(wǎng)絡(luò)的賬戶之間的整體相似性是微不足道的，”Aldayel補(bǔ)充道。“這意味著用戶傾向于與他們的連接網(wǎng)絡(luò)之外的用戶進(jìn)行交互和喜歡內(nèi)容，并且喜歡通常與他們?cè)谕莆闹墟溄拥挠蛎煌逆溄?。這是一個(gè)非常有趣的發(fā)現(xiàn)，因?yàn)樗l(fā)了關(guān)于其原因的進(jìn)一步研究問題。當(dāng)三個(gè)網(wǎng)絡(luò)在站立檢測(cè)中大部分不同時(shí)，它們具有相似的性能。“

將來，Aldayel及其同事收集的觀察結(jié)果可以為開發(fā)更先進(jìn)的分析工具提供信息，以便根據(jù)社交媒體互動(dòng)來檢測(cè)人們的立場(chǎng)。然而，他們的工作也為社交媒體用戶提供了重要信息，強(qiáng)調(diào)了根據(jù)他們的在線行為可以推斷出他們的觀點(diǎn)和意見有多少。

“我們現(xiàn)在正致力于設(shè)計(jì)一種方法框架，以幫助保護(hù)社交媒體上的用戶隱私，”Aldayel說。