基于 Transformer 的在线社区回音室效应量化方法

DOI

社交媒体上的回音室指的是志同道合的人相互强化彼此声音、观点或信念的环境。回音室可能使社交媒体平台成为助长用户极化和激进化而非拓宽其信息视野的协作场所。拥有量化回音室效应的指标可以帮助版主和政策制定者追踪和缓解在线极化与激进化。现有回音室检测方法要么是单维度的，仅考虑用户的网络行为而忽视其语义行为，要么需要大量监督标注，既昂贵又缺乏泛化能力。本文提出了一种使用 Transformer 模型进行自然语言上下文敏感处理来量化回音室效应的新指标。我们的指标通过（1）用户多样性的逆效应来量化回音室效应，以及（2）通过话题中两个回音室之间的用户可分离性来衡量极化。利用该指标，我们进一步提出了表示用户活动的基于自然语言处理的嵌入。我们的模型同时具有高效、计算成本低且无监督的特点。由于我们的方法是无监督的，它可以通过解决识别狭隘信息库的问题来提高现有协作审核工作的效率，从而帮助检测算法偏见和虚假信息。我们在三个近期高度争议的政治话题和一个非争议话题上运行了分析：俄乌战争、堕胎、枪支管制和 SXSW 音乐节。我们的结果提供了数据驱动的发现，例如共和党人的回音室效应高于民主党人，以及对乌克兰的多样化明确支持，尤其在民主党人中。我们还观察到回音室效应与极化之间的直接关系，同时注意到俄乌战争的低回音室效应伴随低极化；枪支管制则相反。