论文笔记：Encoding Social Information with Graph Convolutional Networks forPolitical Perspective *****

Encoding Social Information with Graph Convolutional Networks for Political Perspective Detection in News Media

判断文本的意识形态，利用传播信息的社会背景来缓解这个问题，在无法获得直接监督时，提供基于认可文本内容并传播该内容的用户信息的远程监督来源（文档级别的分类依赖于通过社交网络传播的意识形态）

嵌入的文档不止需要考虑其文本的内容，也要从其属于的社交网络中获得知识。

数据：我们关注美国新闻报道。我们的语料库由超过10k篇文章组成，涵盖超过2k个不同的新闻事件，大约94个不同的主题，发生在8年的时间里。我们删除了关于文章来源的任何信息，使用众包方式对文章的意识形态进行标注；只依赖文本和社交媒体上对它的反应。为了捕捉这些信息，我们收集了一组在推特上分享新闻文章的1.6k用户，少数政治用户被分享文章的用户所关注。该问题作为分类问题（左倾右倾中立）。

数据分割：随机分，按照事件分，按照时间分，事件的相同事件在同一文件夹中，按照时间分，将时间平均分为三段。

图构建：G={V, E}

V：节点，P（已知意识形态的人物和机构），U（普通用户，意识形态未知，但是他们经常分析新闻文章，以及关注P），A（被用户分享的新闻文章）

E：边 U--P的边，表示关注； A--U的边，表示分享；

新闻文本的特征向量表示，（仅使用文本和标签得到一个结果）：

图谱的特征表示：将所有的图节点映射到一个低维向量空间中，这样图的关系就保留在嵌入空间中。在共享嵌入空间中，图中连接(或接近)的节点在其向量表示之间应该具有更高的相似性分数。

图中的两种不同关系分别定义损失函数。

正确标签的负对数似然作为分类训练损失：

最终损失函数定义为：

使用GCN获取图的节点的特征表示：

得到文档的特征表示。

联合模型：

仅有少数政治家（已知意识形态）充当标签；（远程监督）

把新闻的标签也给出（完全监督）

达到的目的，给出一篇新闻的社会背景，就能知道这篇新闻的意识形态

论文笔记：Encoding Social Information with Graph Convolutional Networks forPolitical Perspective *****相关推荐

论文笔记：ICML 2019 Simplifying Graph Convolutional Networks
前言随着2017年GCN概念的提出,近年来越来越多的GCN方法被提出.由于GCN本身的提出来源于深度学习中CNN和RNN的概念,因此可能会继承其中一些不必要的复杂度和冗余计算,本文提出了一种简化的图 ...
论文笔记：Semi-Supervised Classification with Graph Convolutional Networks
Semi-Supervised Classification with Graph Convolutional Networks 1.四个问题要解决什么问题? 半监督任务.给定一个图,其中一部节点已 ...
【论文笔记】Simple and Deep Graph Convolutional Networks
该论文由中国人民大学.复旦大学.阿里巴巴合作完成,第一作者为中国人民大学研究生陈明,通讯作者为中国人民大学教授魏哲巍. 1. 摘要 Graph Convolutional Network via In ...
交通预测论文笔记《Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting》
AAAI2019 0 摘要交通流数据通常有很高的非线性和很复杂的特征.目前很多交通预测的方法缺乏对交通数据时空相关性的动态建模. 本文提出了一种基于注意力的时空图卷积神经网络(ASTGCN)来解决交 ...
【论文翻译】GCN-Semi-Supervised Classification with Graph Convolutional Networks（ICLR）
学习总结传统深度学习模型如 LSTM 和 CNN在欧式空间中表现不俗,却无法直接应用在非欧式数据上.因此大佬们通过引入图论中抽象意义上的"图"来表示非欧式空间中的结构化数据,并通 ...
论文笔记：AAAI 2021 Beyond Low-frequency Information in Graph Convolutional Networks
前言现有的大部分 GNN 方法集中于对图数据中的低频信息进行处理,这也产生了一个问题:真实世界中我们需要的仅仅是图中的低频信息吗? 作者在本文中进行了实验说明了在不同的条件下仅使用低频信息是有局限性 ...
行人轨迹论文:STUGCN:A Social Spatio-Temporal Unifying Graph Convolutional Network for Trajectory Predictio
STUGCN:A Social Spatio-Temporal Unifying Graph Convolutional Network for Trajectory Prediction用于轨迹预测 ...
论文阅读笔记: Modeling Relational Data with Graph Convolutional Networks
arXiv:1703.06103v4 文章目录 1.Introduction 2.神经关系建模(Neural relational modeling) 2.1 关系图卷积网络(Relational g ...
论文阅读 Modeling Relational Data with Graph Convolutional Networks
Modeling Relational Data with Graph Convolutional Networks 使用图卷积网络建模关系数据发表于 [stat.ML] 26 Oct 2017 摘 ...

论文笔记：Encoding Social Information with Graph Convolutional Networks forPolitical Perspective *****

论文笔记：Encoding Social Information with Graph Convolutional Networks forPolitical Perspective *****相关推荐

最新文章

热门文章