Почему традиционные подходы не справляются
Соцсети стали главной площадкой для политических дискуссий. Посты, лайки и репосты отражают, как меняется мировоззрение людей, но исследователям сложно уследить за этим процессом. Основные препятствия давно известны:
- Политически значимые сообщения тонут в потоке развлекательного и личного контента.
- Ручная разметка для обучения алгоритмов обходится дорого и страдает от субъективности.
- Данные с разных платформ устроены по-разному, поэтому модель, обученная на одной соцсети, не работает на другой.
- Труднее всего предсказывать, как изменятся взгляды человека, ведь на них влияют новости, окружение и поведение других пользователей.
Традиционные методы машинного обучения часто дают сбои: они либо не находят нужные сигналы, либо ограничиваются констатацией текущих предпочтений.
Как устроен TSN4PI
TSN4PI — это новая система для отслеживания эволюции политических взглядов в социальных медиа. Её архитектура разделена на две части, каждая из которых решает собственную задачу.
Идеологическая фильтрация
Первый модуль (PIDN) отвечает за то, чтобы отделить политический контент от нерелевантного. Он задействует большие языковые модели и приёмы переноса стиля, что позволяет обрабатывать зашумлённые данные из разных источников без дополнительной разметки. Проще говоря, модуль учится понимать, о чём на самом деле пост, и не отвлекаться на развлекательные публикации.
Прогнозирование сдвигов
Второй модуль (PIPN) смотрит в будущее. Используя темпоральные графовые нейронные сети, он анализирует связи пользователя с другими людьми и сообщениями и оценивает, в какую сторону сместится его позиция: усилится ли существующая идеология, ослабнет или вовсе сменится на противоположную.
Что показало тестирование
Учёные собрали два больших набора данных, относящихся к платформам X и Truth Social, и передали их для некоммерческих исследований. Проверка показала, что TSN4PI успешно справляется с задачами. Система не только находит следы политических убеждений, но и замечает изменения, которые происходят во времени.
Особый интерес представляют различия между платформами. На X и Truth Social поляризация аудитории проявляется по-разному, и модель позволяет увидеть эти нюансы. Это эмпирическое подтверждение того, что политические взгляды в интернете не статичны: они дрейфуют под влиянием информационной среды.
Зачем это нужно
Возможность точно отслеживать эволюцию идеологий важна не только для теоретических исследований. Она помогает предсказывать общественные настроения, выявлять манипулятивные схемы и делать рекомендательные алгоритмы более нейтральными. Благодаря открытым датасетам другие команды смогут проверять собственные подходы на тех же данных, а значит, результаты будет проще сравнивать.
Модель не идеальна — политическое поведение человека слишком сложно, чтобы уместить его в одну формулу. Но такой единый фреймворк задаёт ориентир, от которого можно отталкиваться в дальнейших работах. Исследование уже принято к публикации в авторитетном журнале ACM Transactions on Intelligent Systems and Technology.
