基于文本和图神经网络的争议检测方法

### 基于文本和图神经网络的争议检测方法 在社交媒体中，准确检测争议性内容对于维护良好的交流环境、理解公众观点等方面具有重要意义。本文将介绍一种基于文本和图神经网络的争议检测方法，该方法结合了文本内容和用户交互信息，旨在提高争议检测的准确性。 #### 1. 相关工作 争议分析的工作可以分为三类：基于内容、基于结构和混合方法。 - **基于内容的方法**：早期检测争议的方法主要基于文本特征，仅关注语言语义，假设概念的直接文本上下文具有高度指示性，或者文本内容可作为检测争议话题/帖子的工具。例如，一些研究通过维基百科页面的“编辑大战”和页面间的关系/引用，自动标记有争议的页面，并提出测量概念在维基百科页面上争议程度的方法；还有研究使用基于最近邻分类器的集体争议分类模型，根据相关维基百科文章来识别文章是否有争议。 - **基于结构的方法**：社交媒体上的文本消息通常存在偏差，其含义可能因社区文化或语言等多种因素而异，因此在基于用户交互研究争议时，交互的结构信息尤为重要。例如，在Twitter中，“转发”和“关注”等特定功能可用于构建用户混合图，通过划分社区并使用随机游走等方法来测量和减少争议。 - **混合方法**：近期研究关注结合结构和内容信息，以避免丢失有价值的特征。例如，一些研究将用户图分区后，对不同社区的推文进行预处理和标注，用于训练文本表示模型，并计算争议分数；还有研究将Reddit讨论的评论树结构特征与语言模型输出的文本特征相结合，以提高早期争议帖子级检测的预测性能。 #### 2. 基于图神经网络的争议检测方法 该方法主要针对Reddit社交媒体，也可通过对图构建阶段进行少量调整应用于其他社交媒体。其核心思想是将Reddit讨论表示为用户图，并利用先进的图神经网络嵌入技术，同时挖掘文本内容和用户交互信息。整个流程分为四个连续阶段： - **图构建**：将从Reddit社交媒体提取的数据表示为用户图，节点代表用户，边表示用户之间的交互。每个节点由其自身数据（如用户ID、年龄、位置、文本等）表示。具体来说，对于从子版块s中提取的帖子p的讨论，构建一个无向图，当用户uj回复帖子p或用户ui发布的任何评论时，创建边(ui, uj)。 - **用户特征提取**：使用先进的自然语言处理（NLP）技术从用户发布的文本中提取特征，以丰富图节点。具体步骤如下： 1. 对用户ui发布的每条消息（帖子或评论）进行清理，去除Reddit标签和URL链接。 2. 使用语言模型BERT将清理后的消息嵌入到e维向量中。 3. 通过聚合函数（如Max - pooling）将用户ui发布的不同消息的嵌入向量聚合为最终的用户特征xui。 4. 将每个用户的特征堆叠在矩阵X中。 - **图嵌入**：将整个用户图编码为低维向量，为图分类阶段提供输入。本文提出两种主要策略： - **基于层次图表示学习的策略**：利用用户图结构中可能存