arXiv cs.AI· Diego Revilla, Martin Fernandez-de-Retana, Lingfeng Chen, Aritz Bilbao-Jayo, Miguel Fernandez-de-Retana·· 3 天前AI 评分22
基于反事实图方法的对立叙事分析
A Counterfactual Graph Approach to Oppositional Narrative Analysis
AI 导读
研究者提出一种模块化框架，直接从叙事中提取实体交互图进行分类，无需标注节点级标签。该框架用领域适配的 BERT 编码器枚举候选实体，学习二部图结构后经 Heterogeneous Graph Transformer 分类，并通过反事实蒸馏估计各节点的个体处理效应以剪枝冗余实体。
正文 · AI 翻译
摘要：区分合法的批评性言论与有组织的阴谋叙事，是维护在线信息生态系统诚信的一项紧迫挑战，然而主流方法依赖于标注的实体角色和僵化的预定义模式，无法捕捉此类叙事中参与行为的弥散性和情境依赖性。我们提出了一个模块化框架，直接从叙事中提取实体交互图，并基于该图进行推理以完成分类，而不依赖标注的节点级标签。我们的流程从领域适配的 BERT 编码器中枚举候选实体片段，并学习一个二分图结构，随后使用异构图 Transformer 对其进行分类。为使预测具有可解释性，我们将该图视为超图，并应用反事实蒸馏程序来估计每个节点的个体处理效应，剪除无关实体以恢复最小预测子图。在标准的 PAN Oppositional Narratives 基准上，我们的模型取得了 0.93 的宏 F1 分数和 0.84 的 MCC，以约为次优系统三分之一的参数量达到最先进性能，同时在平均剪除 75.2% 的图的情况下不改变预测。我们的结果表明，基于图的表示与反事实推断相结合，既能提供强大的预测准确性，又能透明地揭示驱动阴谋话语的实体。
| 评论： | 14 页，2 幅图。已被第 40 届神经信息处理系统大会（NeurIPS 2026）接收。研讨会：Trustworthy AI for Good (AI4GOOD) |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2603.06135 [cs.CL] |
| （或 arXiv:2603.06135v3 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.06135 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Miguel Fernandez-De-Retana [查看电子邮件]
[v1]
2026 年 3 月 6 日星期五 10:41:58 UTC（378 KB）
[v2]
2026 年 3 月 10 日星期二 11:32:35 UTC（378 KB）
[v3]
2026 年 10 月 11 日星期日 10:57:06 UTC（518 KB）
来源：arXiv cs.AI · arxiv.org