返回
Sign-Aware Graph Learning Framework for Stance Detection
DOI:10.1109/LSP.2025.3588084.png)
摘要
En 中文
立场检测旨在识别个体对特定目标的态度。链接的符号在各类图相关任务中具有积极作用。然而,现有的立场检测方法忽视了这一信息。这是因为许多现实世界社交网络中的链接符号并未明确提供,导致当前的符号网络表示学习方法无法应用于此场景。本研究提出了一种符号感知图学习框架(SAGL),用于立场检测,通过创新性地设计了符号推断图自编码器(SIGAE)和平衡注入符号图注意力网络(BSGAN)。SIGAE利用立场标签和底层结构信息,从无符号网络中推断并生成符号链接。BSGAN将平衡理论引入符号图注意力网络,并通过捕捉和动态调整符号链接的影响来优化节点表示。在真实数据集上的大量实验表明,SAGL显著优于竞争基线方法。
Keyword:
Stance detection
graph neural networks
signed networks
balance theory
期刊
IF:
9.6
论文数:
1.1W
被引数:
1.7W

