[论文解读] Discovering Political Topics in Facebook Discussion threads with Graph Contextualization

Yilin Zhang, Marie Poux-Berthe+3 more|arXiv (Cornell University)|Aug 23, 2017

Complex Network Analysis Techniques参考文献 28被引用 3

一句话总结

本文提出 pairGraphText，一种谱聚类方法，通过整合图结构与高维文本数据，揭示2012年法国总统大选期间Facebook讨论帖中的政治话题。通过将用户互动置于文本内容的语境中，该方法成功分离了以候选人为中心与以议题为中心的讨论结构，以高准确率和可扩展性识别出移民、经济、宗教等关键话题。

ABSTRACT

We propose a graph contextualization method, pairGraphText, to study political engagement on Facebook during the 2012 French presidential election. It is a spectral algorithm that contextualizes graph data with text data for online discussion thread. In particular, we examine the Facebook posts of the eight leading candidates and the comments beneath these posts. We find evidence of both (i) candidate-centered structure, where citizens primarily comment on the wall of one candidate and (ii) issue-centered structure (i.e. on political topics), where citizens' attention and expression is primarily directed towards a specific set of issues (e.g. economics, immigration, etc). To identify issue-centered structure, we develop pairGraphText, to analyze a network with high-dimensional features on the interactions (i.e. text). This technique scales to hundreds of thousands of nodes and thousands of unique words. In the Facebook data, spectral clustering without the contextualizing text information finds a mixture of (i) candidate and (ii) issue clusters. The contextualized information with text data helps to separate these two structures. We conclude by showing that the novel methodology is consistent under a statistical model.

研究动机与目标

• 识别并区分Facebook政治讨论中以候选人为中心与以议题为中心的结构。
• 开发一种可扩展的无监督方法，整合高维文本与网络数据，用于在线政治话语中的主题发现。
• 通过利用图结构与文本上下文化，提升在噪声高、维度高的文本数据中的聚类准确率。
• 通过词项内容策略与交互式可视化工具，实现从公民评论中可解释的主题提取。
• 为大规模政治网络分析提供一种计算高效的替代方案，相较于现有主题模型如RTM更具优势。

提出的方法

• pairGraphText 是一种联合建模用户互动网络（公民与候选人帖子之间的二部图）与评论文本内容的谱聚类算法。
• 该方法从互动网络构建图拉普拉斯矩阵，并通过阈值化文档-词矩阵引入文本特征，以降低噪声与维度。
• 其采用联合优化框架，通过对齐文本与图信号增强聚类同质性，提升在混合结构中的信号检测能力。
• 该算法对组合的图-文本矩阵进行谱嵌入，随后应用k-means聚类以识别潜在的讨论主题。
• 该方法设计为计算高效且可扩展，可处理数十万节点与数千个唯一词汇。
• 在随机共块模型下具有理论依据，表明在适当信号强度下可一致地恢复真实聚类标签。

实验结果

研究问题

• RQ1 如何在Facebook政治帖中区分以候选人为中心与以议题为中心的讨论结构？
• RQ2 整合文本内容在多大程度上能提升对网络化讨论数据中政治主题的检测能力？
• RQ3 当缺乏真实主题标签时，基于图的方法能否有效恢复以议题为中心的主题？
• RQ4 在混合信号环境中，pairGraphText 与关系主题模型（RTM）及标准谱聚类相比表现如何？
• RQ5 在2012年法国总统大选的Facebook讨论中，哪些是最受公众关注的政治议题？

主要发现

• pairGraphText 在谱聚类单独失效时，仍能成功分离Facebook讨论帖中以候选人为中心与以议题为中心的结构。
• 在缺乏文本信号时，RTM 无法恢复聚类标签，而 pairGraphText 仅依赖图信号即可保持强劲性能，在信号足够强时恢复超过90%的标签。
• 当同时具备图与文本信号时，pairGraphText 实现近乎完美的聚类恢复，优于RTM在高维、噪声文本数据场景下的表现。
• 该方法识别出移民、经济、宗教、生态与危机等关键政治议题，与2012年法国大选的显著议题高度一致。
• pairGraphText 显著快于RTM，更适合大规模文档聚类，同时保持高准确率与可解释性。
• Shiny 应用与 R 包 pairGraphText 支持跨学科协作与可复现分析，完整代码与数据已发布于 GitHub。