Structure of Basic Human Values in Russian Social Media
Independent researcher（独立研究者）；University of Waterloo（滑铁卢大学）
本文提出一种多阶段分类框架，用于在噪声的俄语社交媒体文本中检测人类价值观，通过多阶段流程和LLM注释训练模型，最终在测试数据上达到较高的F1分数。
2026-10-01 cs.CL
Graph-Based Detection of Disinformation Narrative Diffusion between Russian and Ukrainian Telegram Channels
研究社交媒体虚假信息叙事检测难题，提出基于图的框架，结合弱监督与传播图分析，聚合语义相关断言建模传播，可检测协调叙事放大及虚假信息叙事传播，提供可扩展检测方法。
2026-07-15 cs.AI cs.CL
Methods for Detoxification of Texts for the Russian Language
Skolkovo Institute of Science and Technology（斯科尔科沃科技学院）；Mobile TeleSystems (MTS)（移动电信系统公司）
我们介绍的第一个研究自动解毒的俄语文本，以打击进攻性语言。例如，这种文本风格转移可以用于处理社交媒体中的有毒内容。虽然在这一领域已经为英语做了很多工作，但对于俄语来说，这一问题从未得到解决。我们测试了两种类型的模型-基于执行局部校正的BERT架构的无监督方法和基于预训练语言GPT-2模型的有监督方法-并将它们与几个基线进行比较。此外，我们还描述了评估设置，为自动评估提供训练数据集和指标。结果表明，测试的方法可以成功地用于解毒，虽然有改进的余地。
2021-05-19 cs.CL cs.LG
Propaganda and Information Dissemination in the Russo-Ukrainian War: Natural Language Processing of Russian and Western Twitter Narratives
University College Dublin（都柏林大学学院）
本文基于俄乌战争初期4万条推文，运用自然语言处理与人在回路分析，揭示宣传账户与西方可信账户在情感策略和叙事主题上的显著差异，并发现疑似协同行为，为信息战研究提供方法。
2025-06-05 cs.CL
Comparing LLM Text Annotation Skills: A Study on Human Rights Violations in Social Media Data
College of Computer Science and Engineering, University of North Texas（北德克萨斯大学计算机科学与工程学院）；Intuit（Intuit公司）
本文评估 GPT-3.5、GPT-4、LLAMA3、Mistral 7B 和 Claude-2 在俄/乌语社交媒体人权侵犯二分类标注中的零样本与少样本表现，并通过1000样本人工双重标注黄金标准分析提示语言、错误模式及跨语言可靠性。
2025-05-15 cs.AI cs.CL
Predicting the Role of Political Trolls in Social Media
Sofia University（索非亚大学）；ISI Foundation（ISI基金会）
我们调查了社交媒体中“网络巨魔”的政治角色。政治巨魔，例如与俄罗斯互联网研究机构（IRA）有关的巨魔，最近因其影响公众舆论甚至影响选举的能力而受到极大关注。对巨魔在线痕迹的分析显示了不同的行为模式，这些模式针对不同的人群。然而，这种分析是手动和劳动密集型的，因此作为新发现的巨魔农场的第一响应工具是不切实际的。在本文中，我们展示了如何在现实环境中使用机器学习来自动化这种分析。特别是，我们展示了如何通过使用从社交媒体中提取的特征，即，Twitter，在两个场景中：（i）在传统的监督学习场景中，巨魔的标签可用，以及（ii）在远程监督场景中，巨魔的标签不可用，我们依赖于巨魔提到的新闻媒体的更常见的标签。从技术上讲，我们利用社区结构和巨魔在线社交网络中的消息文本表示为一个图，从中我们提取了几种类型的学习表示，即~为巨魔做的嵌入物在“IRA Russian Troll”数据集上的实验表明，我们的方法在第一种情况下比最先进的方法有所改进，同时为第二种情况提供了一个令人信服的案例，到目前为止，文献中还没有探讨过这种情况。
2019-10-04 cs.AI cs.CL cs.SI
The Russian Drug Reaction Corpus and Neural Models for Drug Reactions and Effectiveness Detection in User Reviews
Kazan Federal University（喀山联邦大学）；Steklov Institute of Mathematics at St. Petersburg（圣彼得堡斯捷克洛夫数学研究所）
本文构建了俄语药物反应部分标注语料库RuDReC，并提出基于RuDR-BERT的基线模型用于命名实体识别与多标签句子分类，在两项任务上均取得优于基线的F1分数，且已开源语料库与模型权重。
2020-04-07 cs.CL
TexTrolls: Identifying Russian Trolls on Twitter from a Textual Perspective
Universitat Politècnica de València（瓦伦西亚理工大学）；CNRS（法国国家科学研究中心）；Université Paris 13（巴黎第十三大学）
在线新出现的可疑用户，通常被称为巨魔，是仇恨，虚假和欺骗性在线信息的主要来源之一。一些议程正在利用这些有害的用户来传播煽动性的推文，结果，观众被欺骗了。检测此类账户的挑战在于，它们隐藏了自己的身份，这使得它们在社交媒体中伪装起来，增加了仅使用其社交网络信息识别它们的难度。因此，在本文中，我们提出了一种基于文本的方法来检测在线巨魔，例如在美国2016年总统选举期间发现的巨魔。我们的方法主要是基于文本特征，利用主题信息，和分析功能，以确定帐户从他们的写作推文的方式。我们推导出的主题信息，在一个无监督的方式，我们表明，将它们与文本特征，增强了所提出的模型的性能。此外，我们发现，建议的剖析功能执行最好的比较文本功能。
2019-10-03 cs.CL cs.LG cs.SI
Automated multilingual detection of Pro-Kremlin propaganda in newspapers and Telegram posts
German Aerospace Center（德国航空航天中心）
俄罗斯联邦和乌克兰之间的全面冲突产生了前所未有的大量新闻文章和社交媒体数据，反映了对立的意识形态和叙事。这些两极分化的运动导致了对错误信息和假新闻的相互指责，为全世界的读者塑造了一种混乱和不信任的气氛。这项研究分析了媒体如何影响和反映公众舆论在第一个月的战争使用新闻文章和电报新闻频道在乌克兰，俄罗斯，罗马尼亚和英语。我们提出并比较了两种方法的多语言自动亲克里姆林宫宣传识别，基于Transformers和语言特征。我们分析了这两种方法的优点和缺点，它们对新类型和语言的适应性，以及它们用于内容审核的道德考虑。通过这项工作，我们的目标是为进一步开发适合当前冲突的温和工具奠定基础。
2023-01-25 cs.CL cs.LG
A machine-readable catalogue of the Tsiolkovsky papers (fond 555, Archive of the Russian Academy of Sciences), and a way to measure how well its handwriting can be read
本文构建了齐奥尔科夫斯基论文的机器可读目录，提出了无真实标注下的手写文本识别准确率测量方法，并验证了其应用边界。
2026-08-26 cs.CL cs.CV cs.DL
Detecting Narrative Shifts through Persistent Structures: A Topological Analysis of Media Discourse
Department of Cyber Intelligence and Data Science（网络智能与数据科学系）；Biological and Computational Intelligence Center（生物与计算智能中心）；National Intelligence University（国家智能大学）
本研究利用持久同调分析媒体叙事结构变化，通过检测H0和H1拓扑特征突变识别重大事件引发的语义重构，实现无需先验知识的叙事拐点检测。
2025-06-14 cs.CL cs.SI physics.soc-ph
RuArg-2022: Argument Mining Evaluation
Vyatka State University（维亚特卡国立大学）；Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学）；Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）
论证分析是计算语言学的一个研究领域，它研究从文本中提取论证的方法以及它们之间的关系，并建立文本的论证结构。本文是主办方在对话会议框架内举办的第一届俄语语篇论证分析系统竞赛的报告。在比赛中，参与者被提供了两个任务：立场检测和论点分类。一个包含9，550个句子（社交媒体帖子的评论）的语料库，涉及与COVID-19大流行相关的三个主题（疫苗接种、隔离和戴口罩），已准备好，并进行了注释，用于培训和测试。在这两项任务中获得第一名的系统使用了BERT架构的NLI（自然语言推理）变体，自动翻译成英语以应用专门的BERT模型，在讨论COVID-19的Twitter帖子上进行重新训练，以及对目标实体进行额外的掩蔽。该系统显示了以下结果：对于立场检测任务，F1分数为0.6968，对于论点分类任务，F1分数为0.7404。我们希望准备好的数据集和基线将有助于促进对俄语参数挖掘的进一步研究。
2022-06-18 cs.CL
Generalizable prediction of academic performance from short texts on social media
Institute of Education（教育学院）；National Research University Higher School of Economics（国家研究型大学高等经济学院）
本文利用俄罗斯学生在VK上的短文本构建学业表现预测模型，并证明该模型可跨平台泛化至推文，还能再现学校排名，其泛化性源于大规模语料训练的连续词表示。
2019-12-01 cs.CL cs.SI
Detecting Synthetic Political Narratives in Cross-Platform Social Media Discourse
Institute of Computer Science, Foundation for Research and Technology（计算机科学研究所，希腊研究与技术基金会）；Technical University of Crete（希腊克里特技术大学）
本文提出了一种跨平台框架，通过四个协调信号（词汇多样性、时间爆发性、修辞重复和语义同质性）组合成合成叙述协调评分SNC(C)，以检测合成政治叙述，研究发现IntelSlava在四个事件窗口中排名第一，而Rybar尽管语义同质性高但因语言差异导致表现不佳。
2026-05-20 cs.AI cs.CL cs.CY
The growing amplification of social media: Measuring temporal and social contagion dynamics for over 150 languages on Twitter for 2009-2020
University of Vermont（佛蒙特大学）；Charles River Analytics（查尔斯河分析公司）
从2009年初到2019年底，我们从1180亿条消息的数据集出发，确定并探索了Twitter上150多种语言的相对日常使用情况。我们发现八种语言占所有推文的80%，其中英语，日语，西班牙语和葡萄牙语是最主要的。为了量化每种语言随着时间的推移的社交传播，我们计算了“传染率”：转发到有机消息的平衡。我们发现，对于Twitter上最常见的语言，有一个不断增长的趋势，虽然不是普遍的，转发，而不是分享新的内容。到2019年底，包括英语和西班牙语在内的前30种语言中有一半的感染率已经达到1以上-幼稚感染阈值。2019年，平均每日使用率最高的前5种语言依次是泰语（7.3）、印地语、泰米尔语、乌尔都语和加泰罗尼亚语，而最低的5种语言是俄语、瑞典语、世界语、宿务语和芬兰语（0.26）。此外，我们还发现，随着时间的推移，大多数常见语言的感染率比稀有语言的感染率增长得更快。
2021-03-09 cs.CL cs.LG stat.AP
A Comprehensive Review of Visual-Textual Sentiment Analysis from Social Media Networks
University of Tabriz（大不里士大学）
本文综述社交媒体中的视觉-文本多模态情感分析，梳理预处理、特征提取、数据集、分类与融合方法，并总结研究进展、挑战及应用。
2023-12-06 cs.AI cs.CL cs.IR
Mental Health Coping Stories on Social Media: A Causal-Inference Study of Papageno Effect
Aalto University（阿尔托大学）；Microsoft Research（微软研究院）；University of Helsinki（赫尔辛基大学）
Papageno效应关注媒体如何在预防和减轻自杀意念和行为方面发挥积极作用。随着社交媒体的日益普及和广泛使用，人们经常表达和分享生活经历和心理健康斗争。然而，我们对社交媒体中Papageno效应的存在和有效性的理解存在差距，我们在本文中进行了研究。特别是，我们采用了一个因果推理框架来研究暴露于心理健康应对故事对个人在Twitter上的影响。我们获得了一个Twitter数据集，其中包含$\sim$ 10K个人的$\sim$ 2M帖子。我们考虑将应对故事作为治疗干预，并采用分层倾向评分方法来寻找治疗组和对照组个体的匹配队列。我们测量的情感，行为和认知结果的心理社会变化的纵向Twitter数据之前和之后从事的应对故事。我们的研究结果表明，参与应对故事会减少压力和抑郁，提高表达性写作，多样性和互动性。我们的工作讨论了支持心理健康的实践和平台设计的影响。
2023-02-20 cs.CL cs.CY cs.SI
Decoding Linguistic Nuances in Mental Health Text Classification Using Expressive Narrative Stories
University of Missouri（密苏里大学）；Texas A&M University-Corpus Christi（德州农工大学科珀斯克里斯蒂分校）
本研究利用Reddit数据评估BERT、MentalBERT等模型在表达性叙事故事心理健康文本分类中的表现，发现BERT对主题词缺失敏感性低且能保持句序打乱时的准确率，更具实际应用优势。
2024-12-20 cs.CL cs.LG
Integrating Lexical and Temporal Signals in Neural Ranking Models for Searching Social Media Streams
University of Maryland（马里兰大学）；University of Waterloo（滑铁卢大学）；Comcast Applied AI Research Labs（康卡斯特应用人工智能研究实验室）
在搜索社交媒体帖子流时，时间是一个重要的相关性信号。可以利用来自初始查询的结果的文档时间戳的分布来推断相关文档的分布，然后可以使用相关文档的分布来对初始结果进行重新排序。以前的实验表明，核密度估计是这个想法的一个简单而有效的实现。本文探讨了另一种方法来挖掘时间信号与循环神经网络。我们的直觉是，神经网络提供了一个更具表现力的框架来捕捉相邻文档在时间上的时间一致性。据我们所知，我们是第一个将词汇和时间信号集成到端到端神经网络架构中的公司，在该架构中，现有的神经排名模型用于生成查询-文档相似性向量，这些向量被馈送到双向LSTM层进行时间建模。我们的结果好坏参半：单独用于文档排序的现有神经模型相对于简单基线产生有限的改进，但是词汇和时间信号的集成相对于竞争性时间基线产生显著的改进。
2017-07-25 cs.CL cs.IR
Re:Member: Emotional Question Generation from Personal Memories
Columbia University（哥伦比亚大学）；The University of Tokyo（东京大学）
该研究提出Re:Member系统，通过利用用户个人视频生成目标语言风格化口语问题，结合情感语音合成与多模态技术，探索情感化记忆交互对第二语言学习的支持作用，突显情感与个人媒体在教育技术中的价值。
2025-11-07 cs.CL cs.HC
Contrastive News and Social Media Linking using BERT for Articles and Tweets across Dual Platforms
University of Warsaw（华沙大学）；MIM Solutions（MIM解决方案公司）；University of Amsterdam（阿姆斯特丹大学）；Warsaw University of Technology（华沙理工大学）；IDEAS NCBR（IDEAS国家计算机科学研究中心）
针对推文与新闻关联的难题，本文提出基于预训练BERT的对比学习方法CATBERT，在俄乌战争相关多语言数据集上表现优于传统方法和OpenAI嵌入方法，还验证了其在推文级联主题查找任务中的性能。
2023-12-11 cs.CL cs.LG
Hierarchical Knowledge Distillation on Text Graph for Data-limited Attribute Inference
Pennsylvania State University（宾夕法尼亚州立大学）；Wright State University（莱特州立大学）
针对社交媒体文本属性推断中标注数据有限且文本图内存开销大的问题，本文提出基于文本图的少样本学习模型，通过流形学习构建文本图并引入层次知识蒸馏，显著提升了少样本属性推断性能。
2024-01-10 cs.CL cs.LG cs.SI
