Détection de la controverse : une approche basée sur les réseaux de neurones, appliquée aux graphes et aux textes - LIRMM - Laboratoire d’Informatique, de Robotique et de Microélectronique de Montpellier
Conference Papers Year : 2023

Détection de la controverse : une approche basée sur les réseaux de neurones, appliquée aux graphes et aux textes

Abstract

This paper proposes a controversy detection approach based on both graph structure of a discussion and text features. Our proposed approach relies on Graph Neural Network (GNN) to encode the graph representation (including its texts) in an embedding vector before performing a graph classification task. The latter will classify the post as controversial or not. Conducted experiments using different real-world datasets show the positive impact of combining textual features and structural information.
Cet article propose une approche de détection de la controverse dans les réseaux sociaux, basée sur la structure d'une discussion et de ses caractéristiques textuelles. La méthode proposée s'appuie sur les réseaux de neurones graphiques (Graph Neural Networks ou GNN) pour encoder la représentation graphique de la discussion (y compris les textes) dans un vecteur multidimensionnel. Ce dernier est utilisé pour classer les fils de discussions comme étant controversés ou non. Les expériences menées sur différents jeux de données montrent l'impact positif de la combinaison des caractéristiques textuelles et structurelles.
Fichier principal
Vignette du fichier
cnia2023 pages 50.pdf (123.76 Ko) Télécharger le fichier
Origin Explicit agreement for this submission

Dates and versions

lirmm-04155276 , version 1 (07-07-2023)

Identifiers

  • HAL Id : lirmm-04155276 , version 1

Cite

Samy Benslimane, Jérôme Azé, Sandra Bringay, Caroline Mollevi, Maximilien Servajean. Détection de la controverse : une approche basée sur les réseaux de neurones, appliquée aux graphes et aux textes. CNIA 2023 - Conférence Nationale en Intelligence Artificielle, PFIA, Jul 2023, Strasbourg, France. pp.50-51. ⟨lirmm-04155276⟩
87 View
67 Download

Share

More