SABER：整合情感分析与立场识别技术，用于分析社交媒体上关于气候变化的讨论

《Knowledge-Based Systems》：SABER: Integrating Sentiment and Stance Detection for Climate Change Discourse on Social Media

社交媒体中气候变化立场检测与用户行为融合研究，提出SABER框架通过图卷积网络捕获用户互动模式，结合情感分析特征提升立场检测效果，实验证明融合行为特征能提高准确率至89.7%和F1-score至0.862。

　　

安贤珍（Hyeongjin Ahn）|郑大惠（Dahye Jeong）|朴恩妮尔（Eunil Park）

韩国首尔成均馆大学应用人工智能系，邮编03063

摘要

随着气候变化严重性的加剧，了解公众对这一紧迫问题的态度对于制定有效的缓解策略至关重要。社交媒体平台已成为塑造和反映公众对气候变化看法的重要工具。然而，这些平台上的讨论存在严重两极分化，一方承认形势的紧迫性，另一方则持怀疑态度，这种分歧往往由错误信息和否认言论推动。这种明显的分裂凸显了传播准确信息和制定有效气候变化缓解策略的必要性，使得立场检测成为该领域的一项关键任务。为了应对这一需求，本研究引入了一个新颖的多任务框架SABER，它能够同时对与气候变化相关的推文进行立场检测和情感分析。鉴于气候变化讨论的独特性和重要性，SABER被设计为能够捕捉到这些讨论中的两极分化观点。通过运用多种嵌入技术和注意力机制，SABER利用从数据中学习到的情感特征来创建与推文所表达立场相关的全面表示。在精心策划的气候变化数据集上进行的广泛实验证明了我们方法的有效性，强调了在立场识别中考虑用户互动模式和情感信息的重要性。该数据集和代码已公开发布，为该领域的进一步研究提供了宝贵的资源。

引言

随着气候变化严重性的持续增加，全球社区面临着前所未有的挑战。[1]的一份最新报告证实，2023年全球平均近地面温度达到了1.45°C（±0.12°C）的创纪录高位。尽管全世界都在努力减少污染性排放，但疫情后的高碳社会导致二氧化碳水平比工业化前增加了50%，从而加剧了温室气体的排放[2]。鉴于气候变化日益严重，制定有效的解决方案以应对这一紧迫问题至关重要。

提高公众对气候危机的认识对于制定和实施缓解气候变化负面影响的措施（如政策和气候行动运动[3]）至关重要。在这种背景下，了解公众对这一现象的态度对于增强人们对气候问题的认识和参与度至关重要[4]。社交媒体平台（如Twitter）在塑造和反映公众观点方面发挥着关键作用，成为各种讨论和辩论的中介。随着公众对气候变化的兴趣增长，围绕这一主题的讨论已成为社交媒体平台上最突出的话题之一。然而，这类讨论在“相信问题严重性的人”和“持怀疑态度的人”之间存在着严重的分化。

尽管有大量科学证据表明气候危机的真实性，但怀疑论观点常常转化为否认危机的信息。这类错误信息在社交媒体平台上迅速传播，造成混乱，并削弱了对气候科学合法性的信任。先前的研究表明，这种否认态度不仅阻碍了公众对气候变化的理解，阻碍了有效气候行动的推进，还严重削弱了社会和政治对关键环境政策的支持[5]。气候变化否认论引发了抵制和不确定性，削弱了公众对气候倡议的支持和凝聚力。这些言论的传播破坏了全球在应对危机时的团结，推迟了关键干预措施的实施。因此，识别气候变化否认论对于向公众和政策制定者提供可靠信息至关重要，最终有助于支持基于充分信息的决策并推动未来的有效气候行动。

立场检测是一项确定帖文是对特定目标持支持还是反对态度的任务[6]。以往的研究集中在识别公众对气候变化的立场[7]、[8]、[9]上。一些研究使用了SemEval-2016基准数据集，该数据集将推文分类为支持或反对五个不同的目标，包括气候变化[10]、[11]。此外，一些研究尝试通过结合特定于气候变化推文的情感信息来改进立场检测。已经证明情感信息有助于检测立场。例如，[12]在加权KNN中使用了情感信息作为特征进行立场检测。[13]提出了一个框架，用于同时对气候变化推文进行立场和情感建模。

错误信息（如对气候变化的怀疑）在社交媒体上的传播往往遵循特定的行为模式。参与此类活动的用户通常在通信网络中表现出独特的行为[14]。因此，结合反映与气候变化推文在社交媒体平台上互动和参与的行为特征至关重要。虽然之前的研究分析了与气候变化辩论相关的互动网络[15]、[16]，但在利用这些网络检测气候变化立场方面还存在明显不足。此外，现有的立场检测研究主要依赖于推文内容，并侧重于语言特征[17]、[18]、[19]，忽视了行为特征，而这些特征是社交媒体的关键方面。

气候变化否认不仅是一种意识形态立场，也是一种行为异常，它偏离了科学共识，并通过社交媒体互动得到明显传播。这种否认模式表现出独特的传播结构，通常表现为转发、分享特定标签和时间聚类。捕捉这些结构特征对于理解错误信息和气候变化怀疑论如何在网络上获得关注至关重要。

为此，我们提出了SABER（带有行为表示的立场分析，Stance Analysis with BEhavioral Representation），这是一个新颖的多任务框架，它可以同时对气候变化推文进行立场检测和情感分析，并结合了保留用户互动行为信息的节点嵌入。我们认为，虽然文本特征对于检测气候变化推文的立场至关重要，但这些立场也受到推文之间互动和关系的影晌。具体来说，如果一个帖文与一系列引起用户兴趣的早期帖文有关联，那么它更有可能表达相似的观点。为了考虑这些联系，我们构建了一个基于图的表示方法，其中每个推文被建模为一个节点，边是根据共享标签和时间接近性形成的。这种图结构捕捉了帖子之间的互动动态，并允许提取补充文本信号的行为特征。

我们提取了两种类型的行为特征：使用图卷积网络（GCN）描述推文之间互动的节点嵌入，以及包含图基本信息的节点度量特征。为了验证我们的提议，我们使用构建的气候变化推文数据集进行了广泛的实验分析，通过将我们的方法与现有方法进行比较并进行特征消融研究来评估其有效性。实验结果表明，结合情感和行为信息对我们的主要任务——立场检测有益。我们的主要贡献如下：

• •
  我们提出了一个多任务框架SABER，它通过节点嵌入和节点度量特征独特地结合了基于图的行为特征，以捕捉和保留用户行为信息，这是之前立场检测研究中较少探索的方面。我们的数据集和源代码已公开发布。
• •
  实验结果证明了在多任务框架中结合行为线索同时解决立场检测和情感分析的有效性。所提出的多任务框架优于所有比较模型。

章节片段

气候变化的立场检测

随着气候变化成为最大的全球威胁之一，解决这一问题的紧迫性日益增加，促使社交媒体平台上展开了广泛的讨论。[20]、[21]等平台产生了大量关于这一复杂主题的信息。然而，由于这些互动的规模和性质，这些讨论往往加剧了公众意见的两极分化，将人们分为支持或反对气候变化的群体

数据收集

我们的研究集中在Twitter上，这是最受欢迎的社交媒体平台之一，它拥有大量关于气候变化讨论的数据，并且在数据抓取方面具有灵活性。在利用先前研究中对标签进行明确注释的基础上，我们根据先前的研究[39]选择了与“否认者”和“相信者”立场相关的标签。我们使用Twitter API收集了2022年1月1日至2022年12月31日期间包含这些标签的英文推文。

提出的框架

本节介绍了用于同时进行立场检测和情感分析的多任务框架的结构（图1）。

实验细节

在我们的实验中，我们使用了Keras和Scikit-Learn。我们考虑了准确率和宏观F1分数来评估模型的性能。我们对数据集进行了分层k折交叉验证，以减少对特定数据分割的过拟合风险，并对训练数据中的少数类别进行了过采样。为了确保结果的稳健性，所有结果都以5折平均值的形式报告，并附带标准偏差。所有实验都是使用NVIDIA GeForce GTX 4090Ti GPU进行的。

结果与分析

为了突出所提出方法各组成部分的重要性，我们首先比较了SABER的不同变体。随后，我们将提出的框架与几个基线模型进行了对比分析。本研究的主要目标是通过情感分析这一辅助任务来提高立场检测的性能，这是我们的主要任务。因此，我们的结果和分析都集中在立场检测上。此外，我们还展示了5折交叉验证的绩效指标

结论

在这项研究中，我们提出了SABER，这是一个新颖的多任务框架，旨在同时对气候变化推文进行立场检测和情感分析。受到社交媒体互动对用户态度和观点形成影响的启发，我们开发了一个统一的框架，整合了语义和行为信息以准确识别立场。实验结果表明，我们的框架在主要任务——立场检测方面优于比较模型

CRediT作者贡献声明

安贤珍（Hyeongjin Ahn）：撰写——原始草稿、可视化、软件开发、方法论设计、调查实施、形式化分析、数据整理、概念化。郑大惠（Dahye Jeong）：撰写——审稿与编辑、验证、监督。朴恩妮尔（Eunil Park）：撰写——审稿与编辑、监督、资源管理、项目协调、资金筹集。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。