Learning Stance Embeddings from Signed Social Graphs

nogawanogawa commented 1 year ago

論文URL

https://arxiv.org/abs/2201.11675

著者

John Pougué-Biyong, Akshay Gupta, Aria Haghighi, Ahmed El-Kishky

会議

WSDM 2023

背景

符号付きグラフはある集団のメンバー間の賛成・反対のモデル化に用いられてきた。ノードは人を表し、エッジの正（賛成）・負（反対）は合意の状態を表す。

従来の手法の問題点は、2人の個人間の関係を同意（+）または不同意（-）の二値で還元してしまうことである。フランス人の二人は、それぞれ別々のチームを応援しているかもしれないが、ワールドカップではフランス代表を応援することが予想される。このように、賛成反対は異なる側面（トピック）の言説があると考えられる。

目的

大規模なトピックの集合に関するスタンスの理解を可能にする
- スタンスを踏まえた質の良いembeddingを作成できるようにすることが目的のように見える

アプローチ

スタンス埋め込みモデル
- node2vecの拡張
- トピック毎に異なるエッジタイプを持つ符号付きソーシャルグラフにおいて、各ユーザとトピックの埋め込みを共同で学習する

Stance embeddings

ひとことメモ

wsdm 23のbest paperだったらしい

nogawanogawa commented 1 year ago

背景

符号付きグラフはある集団のメンバー間の賛成・反対のモデル化に用いられてきた。ノードは人を表し、エッジの正（賛成）・負（反対）は合意の状態を表す。

従来の手法の問題点は、2人の個人間の関係を同意（+）または不同意（-）の二値で還元してしまうことである。フランス人の二人は、それぞれ別々のチームを応援しているかもしれないが、ワールドカップではフランス代表を応援することが予想される。このように、賛成反対は異なる側面（トピック）の言説があると考えられる。

nogawanogawa commented 1 year ago

目的

大規模なトピックの集合に関するスタンス理解を可能にする

アプローチ

スタンス埋め込みモデル
- node2vecの拡張
- トピック毎に異なるエッジタイプを持つ符号付きソーシャルグラフにおいて、各ユーザとトピックの埋め込みを共同で学習する

nogawanogawa commented 1 year ago

Stance embeddings

学習データ作成

各nodeはtopicを持っていて、それぞれに対して+/-の符号を持つようなグラフ構造を考える。（F, +）

このようなグラフ上をランダムウォークすることで学習データを作成する。

node & topic embeddingの学習

skipgramで学習を行う
- source node embedding, topic embeddingを入力にグラフ上でランダムウォークしたときのcontext embeddingをwindow sizeの分だけ予測する

関連性が強いtopic, user, その時のstance が近づくように学習している。

nogawanogawa commented 1 year ago

Dataset

TwitterSG

BirdwatchSG

誤解を招くと思われるツイートに注釈をつけたデータセットがあるらしい

nogawanogawa commented 1 year ago

評価

stance detection

先行研究（SiNE, StEM, SIDE）より性d高く算出できていそう。

cold startの評価

観測していないtopic（ユーザのエンゲージメントを観測していないトピック）に対するstanceを正しく見分けられたか評価

これも精度が高そう。

communityの特定

2つの論調について、判別することができそうな位置関係になっている

embeddingの良し悪し

関連するトピックが近くに寄っているように見える

nogawanogawa / paper_memo