[論文レビュー] Modeling Ideological Agenda Setting and Framing in Polarized Online Groups with Graph Neural Networks and Structured Sparsity.

Valentin Hofmann, Janet B. Pierrehumbert+1 more|arXiv (Cornell University)|Apr 18, 2021

Social Media and Politics参考文献 120被引用数 4

ひとこと要約

本稿では、Redditデータを用いて、偏ったオンラインコミュニティにおけるイデオロギー的アジェンダ設定やフレーミングを検出するために、構造的スパarsityを備えた最小限の教師付きグラフニューラルネットワークを提案する。ディコース構造とモラル心理学の知見をモデル化することで、過激化やサブレディット乗っ取りといった現象を同定し、12年間および600以上のオンライングループにわたり、偏った概念の検出が向上した。

ABSTRACT

The increasing polarization of online political discourse calls for computational tools that are able to automatically detect and monitor ideological divides in social media. Here, we introduce a minimally supervised method that directly leverages the network structure of online discussion forums, specifically Reddit, to detect polarized concepts. We model polarization along the dimensions of agenda setting and framing, drawing upon insights from moral psychology. The architecture we propose combines graph neural networks with structured sparsity and results in representations for concepts and subreddits that capture phenomena such as ideological radicalization and subreddit hijacking. We also create a new dataset of political discourse covering 12 years and more than 600 online groups with different ideologies.

研究の動機と目的

• 最小限の教師付き信号を用いて、オンラインディコースにおけるイデオロギー的極化を検出する計算的手法を開発すること。
• モラル心理学の知見を活用して、アジェンダ設定とフレーミングの次元に沿った極化をモデル化すること。
• 多様なイデオロギーを有する600以上のオンライングループをカバーする12年間の政治的ディコースの大規模データセットを構築すること。
• 学習された表現を通じて、イデオロギー的過激化やサブレディット乗っ取りといった構造的現象を同定すること。

提案手法

• 本手法は、Redditディスカッションフォーラムのネットワーク構造をモデル化するため、グラフニューラルネットワーク（GNN）を用いる。これにより、ユーザーとサブレディット間の相互作用を捉える。
• GNNのアテンションメカニズムに構造的スパarsityを適用し、イデオロギー的極化に関連する顕著な概念やサブレディットを同定する。
• モデルは、概念とサブレディットの両方の表現を同時に学習することで、イデオロギー的境界を越えてトピックがどのようにフレーミングされ、優先順位付けられているかを検出可能にする。
• モラル心理学の枠組みを活用して、ソーシャルメディアネットワークにおける表現学習を通じて、極化したフレーミングやアジェンダ設定行動を同定する。
• アーキテクチャは、既知のイデオロギー的グループ分けからの弱い教師信号のみを用いて、最小限の教師付き学習で訓練される。
• 解釈可能で低次元の表現を生成し、オンラインコミュニティにおけるイデオロギー的乖離や構造的シフトを反映する。

実験結果

リサーチクエスチョン

• RQ1 構造的スパarsityを備えたグラフニューラルネットワークは、オンライン政治的ディコースにおける偏ったアジェンダ設定をどのように検出できるか？
• RQ2 モラル心理学に基づくフレーミングパターンは、ソーシャルメディアネットワークにおける表現学習によってどの程度捉えられるか？
• RQ3 学習された表現において、イデオロギー的過激化やサブレディット乗っ取りはどのようにして出現するか？
• RQ4 モデルは、異なるイデオロギー的サブレディット間で、アジェンダ設定とフレーミング行動を識別できるか？
• RQ5 従来の非教師付きまたは弱教師付きアプローチと比較して、本手法の極化検出性能はどの程度か？

主な発見

• モデルは、アジェンダ設定やフレーミングに関連する偏った概念やサブレディットを効果的に同定し、既知のイデオロギー的対立と強い整合性を示した。
• 構造的スパarsityにより、重要なイデオロギー的概念やサブレディットが強調され、表現学習におけるノイズが低減され、解釈性が向上した。
• 時間経過に伴う学習された表現の変化を通じて、イデオロギー的過激化やサブレディット乗っ取りの事例が検出された。
• 新しい12年間のデータセットを用いた定性的および定量的分析により、最小限の教師付き信号を用いた場合、本手法はベースライン手法を上回る極化検出性能を示した。
• 学習された表現は、イデオロギー的境界を越えてトピックがどのように議論されているかの微細な差を捉えており、異なるフレーミング戦略を反映していた。