The impact of political party/candidate on the election results from a sentiment analysis perspective using #AnambraDecides2017 tweets
这项工作的影响,政党控制其候选人或反之亦然,赢得选举,使用自然语言处理技术称为情感分析(SA)的经验调查。为了做到这一点,在2017年11月18日阿南布拉州州长选举期间,一组7430条带有或与#AnambraDecides2017相关的推文被流媒体播放。这些是Twitter上关于五大政党及其候选人的讨论,本文称之为政治行为体。我们进行极性和主观情感分析的所有推文考虑时间作为SA的一个有用的维度。此外,我们使用词频来找到在给定时间内与政治行为者最相关的词。我们发现最谈论的话题使用主题建模算法,以及如何计算的情绪和最频繁的话是每个政治演员的主题。除此之外,我们从实验结果中推断,即使政党作为一个平台,销售候选人的个性,候选人/政党的接受增加了选举的胜利。例如,我们发现选举的获胜者威利·奥比亚诺受益于他的政党在该州人民中所分享的价值观。将他的名字与他的政党联系起来,全进步大联盟(APGA)显示出更多的积极情绪,主观情感分析表明,提到APGA的Twitter用户在他们的推文中的情感主观性低于其他政党。
2020-07-07 cs.IR cs.SI
Performance Comparison of Crowdworkers and NLP Tools on Named-Entity Recognition and Sentiment Analysis of Political Tweets
Boston University(波士顿大学)
我们报告了crowdworkers和七个自然语言处理(NLP)工具包在解决两个重要的NLP任务,命名实体识别(NER)和实体级情感(ELS)分析的准确性的比较结果。我们在这里关注一个具有挑战性的数据集,即2016年2月美国总统初选期间收集的1,000条政治推文。每条推文都提到了四位总统候选人中的至少一位,即,四个命名实体由政治传播专家建立的groundtruth具有推文中提到的每个候选人的实体级情感信息。我们测试了几个商业和开源工具。我们的实验表明,对于我们的政治推文数据集,最准确的NER系统Google Cloud NL的表现几乎与众包工作者不相上下,但最准确的ELS分析系统TensiStrength的准确性与众包工作者的准确性相差超过30%。
2020-08-11 cs.CL cs.LG cs.SI
Gender stereotypes in the mediated personalization of politics: Empirical evidence from a lexical, syntactic and sentiment analysis
媒体对名人和重要人物的个人领域的关注已成为性别叙事的一个关键因素。在这里,我们结合词汇,句法和情感分析,调查性别在2017年至2020年期间在意大利的广泛的政治职位持有人的个性化的作用。的分数的基础上,介绍了占代表性和新闻报道的性别不平衡的话,我们表明,在意大利的政治个性化是更有害的妇女比男性,与根深蒂固的陈规定型观念,包括男性内涵的领导,由此产生的妇女不适合举行政治职能,并更多地关注他们的吸引力和身体部位。此外,在报告个人细节时,女政治家比男政治家更容易受到负面影响。此外,对观察到的性别差异的主要贡献来自在线新闻,而不是印刷新闻,这表明当点击诱饵和个人目标产生重大影响时,某些陈规定型观念的表达可能会更好地传达。
2022-04-13 cs.CL cs.SI
The Politics Attention Makes: Platform Media Logic and the Mediatization of Politics
University of Amsterdam(阿姆斯特丹大学)
研究社交媒体与政治,从生产端视角引入注意力价格分析,借助模型对比不同平台对公众交流特征的奖励差异,发现不同平台奖励方式不同,为社交媒体与政治研究提供生产端方法。
2026-07-07 cs.SI
Echoes of Automation: How Bots Shaped Political Discourse in Brazil
University of Exeter(埃克塞特大学)
研究揭示机器人在巴西政治话语中的放大作用,通过分析2018和2022年选举期间的推文数据,发现机器人依赖转发和回复,情感基调较窄,主题集中于博洛尼奥,可能扭曲政治讨论。
2025-12-11 cs.CY cs.SI
Beyond Sentiment: Examining the Role of Moral Foundations in User Engagement with News on Twitter
该研究结合情感分析、MFT、NLP与回归建模,分析美国新闻媒体 Twitter 内容,揭示惊讶、信任和伤害等道德情感特征对用户参与的关键影响。
2025-02-17 cs.SI
Mining the Demographics of Political Sentiment from Twitter Using Learning from Label Proportions
意见挖掘和人口统计属性推断在社会科学中有着广泛的应用。在本文中,我们提出了模型来推断每天的联合概率多个潜在的属性从Twitter数据,如政治情绪和人口统计属性。由于为传统的监督分类注释数据既昂贵又耗时,因此我们提出了可扩展的标签比例学习(LLP)模型,用于使用美国人口普查,国家和州政治民意调查以及库克党派投票指数作为人口水平数据的人口统计和意见推断。在LLP分类设置中,将训练数据划分为一组未标记的包,其中仅知道每个包中的标签分布,从而消除了对实例级注释的需求。我们提出的LLP模型,加权标签正则化(WLR),提供了一个可扩展的泛化标签正则化的先前工作,以支持袋内样本的权重,这是适用于这种设置,其中袋是分层排列的(例如,县级袋嵌套在州级袋内)。我们将我们的模型应用于2016年美国总统大选前一年收集的Twitter数据,估计政治情绪和人口统计数据之间的关系。我们发现,我们的方法密切跟踪传统的民意调查数据分层的人口类别,导致错误减少28-44%的基线方法。我们还提供了描述性的评估,显示该模型可以用来估计许多变量之间的相互作用,并确定语言的时间变化,通常是不可行的,使用传统的轮询方法的能力。
2017-08-26 cs.SI
Changes in Sentiments and User Engagement for 2024 U.S. Presidential Candidates After Biden's Withdrawal: An Analysis of TikTok Videos
该研究基于68万余个TikTok视频,分析拜登退选前后公众对2024年美国总统候选人的情绪与参与度变化,发现哈里斯相关积极情绪显著上升、消极情绪下降,且退选后两类候选人帖子的分享和点赞几率均大幅提高。
2024-10-21 cs.SI
Negative news posts are less prevalent and generate lower user engagement than non-negative news posts across six countries
Center for Excellence in Social Science, University of Warsaw(社会科学研究卓越中心,华沙大学);Department of Communication, University of California, Davis(传播学系,加州大学戴维斯分校);Interdisciplinary Centre for Mathematical and Computational Modelling, University of Warsaw(数学与计算建模跨学科中心,华沙大学)
基于六国97家媒体的600余万条Facebook帖子,研究用多语言分类器识别政治与负面新闻,发现负面帖占比和用户参与度均较低。
2025-07-25 cs.LG cs.SI
Causal Effects of Trigger Words in Social Media Discussions: A Large-Scale Case Study about UK Politics on Reddit
Cardiff University(卡迪夫大学);University of Birmingham(伯明翰大学)
本研究通过分析Reddit上的英国政治讨论,发现触发词与高参与度和负面情绪相关,揭示了社交媒体中极化现象的机制。
2026-03-03 cs.CL cs.CY cs.SI
Recommendation Algorithms on Social Media: Unseen Drivers of Political Opinion
本研究基于 3,300 余名参与者的数据,分析 Facebook 和 X 等平台及其推荐算法对用户政治兴趣的差异化影响,并揭示人口统计学差异,为理解数字政治动员提供实证依据。
2025-06-25 cs.SI
Learning to Control Misinformation: a Closed-loop Approach for Misinformation Mitigation over Social Networks
University of Zurich(苏黎世大学);Eindhoven University of Technology(埃因霍温理工大学)
针对社交网络推荐系统因优先参与度而放大错误信息的问题,提出结合错误信息缓解与参与度最大化的闭环控制框架,通过惩罚极端负面情绪等特征,在不同网络配置中减少错误信息传播达76%,并为平台提供实用指导。
2025-11-16 cs.SI cs.SY eess.SY
Facebook Ad Engagement in the Russian Active Measures Campaign of 2016
University of Florida(佛罗里达大学)
本文调查了俄罗斯互联网研究机构(IRA)在2015年6月至2017年8月期间创建的3,517个Facebook广告,这些广告是针对2016年美国大选的虚假信息活动。我们的目标是挖掘广告参与度(以广告点击量衡量)与广告元数据、社会语言学结构和情感相关的41个特征之间的关系。我们的分析有三个方面:(i)通过相关性分析理解参与度和特征之间的关系;(ii)通过特征选择找到最相关的特征子集以预测参与度;以及(iii)通过主题建模找到最好地表征数据集的语义主题。我们发现,广告支出、文本大小、广告寿命和情感是预测用户对广告参与度的主要特征。此外,积极情绪广告比消极广告更吸引人,社会语言学特征(例如,使用宗教相关的词)被认为是一个吸引人的广告的组成非常重要。线性SVM和逻辑回归分类器实现了最高的平均F分数(两种模型均为93.6%),确定了最佳特征子集分别包含12个和6个特征。最后,我们证实了相关研究的发现,即爱尔兰共和军专门针对美国人的分裂广告主题(例如,LGBT权利,非裔美国人赔偿)。
2020-12-23 cs.CY cs.LG cs.SI
Topic and Sentiment Analysis on OSNs: a Case Study of Advertising Strategies on Twitter
社交媒体已经大大改变了品牌和企业的广告方式:在线社交网络为品牌提供了比传统媒体更多功能和动态的广告渠道(例如,电视和广播)。此类媒体的参与程度通常根据内容采用率来衡量(例如,喜欢和转发)和情绪,围绕一个给定的主题。然而,情感分析和主题识别都是不平凡的任务。在本文中,使用从Twitter收集的数据作为案例研究,我们分析了如何在10天的时间内推广内容的参与度和情绪。我们发现,促进推文导致更高的积极情绪比促进的趋势,虽然促进的趋势回报的响应量。我们观察到,品牌和推广内容的参与度在活动的第一天最高,之后大幅下降。然而,我们表明,这些见解取决于使用强大的机器学习和自然语言处理技术来收集重点,相关的数据集,并准确地衡量情绪,而不是依赖于简单的关键字或基于频率的指标有时用于社交媒体研究。
2013-12-23 cs.SI physics.soc-ph
Leveraging AI and Sentiment Analysis for Forecasting Election Outcomes in Mauritius
针对毛里求斯2024年选举缺乏可靠民调的问题,提出结合多语言BERT、定制情感评分算法与SIS的媒体情感预测框架,并给出60席分配预测。
2024-10-28 cs.IR cs.SI
Political Honeymoon Effect on Social Media: Characterizing Social Media Reaction to the Changes of Prime Minister in Japan
民主国家的新领导人通常在上任后立即获得高支持率。这种现象被称为蜜月效应,被认为是一个重要的政治现象,但其机制仍有待探讨。因此,本研究探讨社群媒介使用者如何回应政治领导人的变动,以更好地了解政治中的蜜月效应。特别是,我们构建了一个15年的Twitter数据集,其中包括日本首相的8个变化时间,包括660万条推文,并从情绪,主题和用户方面对其进行了分析。我们发现,虽然并非总是如此,但社交媒体往往会在总理更迭时表现出蜜月效应。该研究还显示,人们对首相的看法因话题而异,这表明公众对首相的期望因首相而异。此外,用户群在总理更迭前后大部分被替换,他们的情绪也有明显不同。本研究之意涵,将对行政管理有所助益。
2023-02-25 cs.SI
Engagement in the electoral processes: scaling laws and the role of the political positions
我们报告的统计分析,在巴西所有城市的选举过程中的参与,考虑到党员人数和市长和议员候选人的人数。通过研究党员人数和选民人数之间的关系,我们发现,这些关系的函数形式很好地描述了由乘法对数正态噪声包围的次线性幂律(异速生长标度)。我们观察到,这种模式与先前报道的候选人(市长和市议员)数量与选民人口之间的关系非常相似[EPL 96,48001(2011)],这表明类似的普遍规律可能会统治选举过程中的参与。我们还注意到,幂律指数显示出清晰的层次结构,政治立场越有影响力,指数的值就越小。我们还调查了候选人(市长和议员)人数、党员人数和选民人数的概率分布。结果表明,最有影响力的位置的特点是分布与非常短的尾巴,而影响力较小的位置显示一个中间的幂律衰减之前,显示出类似指数的截止。我们讨论,除了政治权力的立场,在可用席位的数量限制也可以与这种行为的变化。我们进一步认为,我们的实证研究结果指出,代表性不足的影响,在较大的城市,更大的障碍,更多的人成为直接参与选举过程。
2013-08-13 cs.SI physics.data-an physics.soc-ph
Inferring Political Preferences from Twitter
Jamia Millia Islamia(贾米亚·米利亚·伊斯兰亚大学)
情感分析是自动分析用户对实体或该实体的某些方面的意见和情感的任务。社交媒体的政治情感分析有助于政治战略家在实际选举之前仔细审查政党或候选人的表现,并即兴发挥他们的弱点。在选举期间,社交网络充斥着关于政党和政治家前景的博客、聊天、辩论和讨论。产生的数据量非常大,无法使用最新技术进行研究,分析和推断。Twitter是最受欢迎的社交媒体平台之一,使我们能够执行特定领域的数据准备。在这项工作中,我们选择通过使用经典的机器学习将其建模为文本分类问题来识别推文中存在的政治观点的倾向。与2020年德里选举有关的推文被提取并用于该任务。在几种算法中,我们观察到支持向量机描绘了最好的性能。
2020-07-21 cs.CY cs.LG cs.SI
Gender Dynamics in Russian Online Political Discourse
本研究通过分析2022-2024年俄乌战争期间YouTube的2168个视频与超3.6万条评论,揭示俄罗斯在线政治话语中的性别动态,发现女性在反政府频道冲突高峰期更活跃,凸显在线平台作为威权下公众情绪晴雨表的作用。
2024-08-18 cs.IR cs.SI
Attention is all they need: Cognitive science and the (techno)political economy of attention in humans and machines
University of the Basque Country (UPV/EHU)(巴斯克大学)
论文结合认知科学与技术政治经济学批判数字平台的注意力捕获机制,主张以4E认知进路和注意力生态范式维护人的自主性。
2024-05-10 cs.AI cs.CY cs.SI
Social Media, Money, and Politics: Campaign Finance in the 2016 US Congressional Cycle
随着社交媒体在公民和政治人物中的渗透不断加深,迫切需要了解主要平台的政治使用是否以及如何对选举产生影响。特别是,关注竞选使用的文献很少,并且通常描述政客的参与策略或试图量化社交媒体参与对政治学习、参与或投票的影响。尽管竞选筹款在美国政治中的重要性是公认的,但很少有人考虑过竞选筹款的影响。这篇论文是第一篇量化社交媒体竞选活动财务回报的论文。利用来自Facebook和Twitter、Google趋势、维基百科页面浏览量和联邦选举委员会(FEC)捐款记录的候选人数据,我们分析了2016年美国参议院大选中所有108名候选人的社交媒体内容主题和数量与竞选资金之间的关系。通过应用无监督学习方法来识别跨平台候选人内容中的主题,我们发现,在控制在职人员,州人口和候选人信息搜索时,整体和与问题相关的内容的更频繁发布与更高的捐赠收入相关,尽管考虑捐赠数量而不是价值时,与捐赠相关的内容比后者具有更强的影响。
2017-11-28 cs.CY cs.SI physics.soc-ph
Divided We Rule: Influencer Polarization on Twitter During Political Crises in India
Microsoft Research(微软研究院)
影响者是社交媒体上信息传播的性质和网络的关键。影响者通过参与问题在政治话语中特别重要,并且可能完全或大部分通过在线操作获得其合法性,或者拥有诸如艺人,记者等的离线专业领域。我们使用谷歌的通用句子编码器(USE)来编码印度政治危机期间6000名影响者和26000名印度政客的推文。然后,我们根据他们的推文嵌入获得影响者的聚合向量表示,这些向量表示与转推图一起帮助计算他们对这些政治问题的立场和极性。我们发现,影响者以党派的方式参与这些话题,两极分化的影响者会得到更多的转发和关注。此外,我们观察到,特定群体的影响者在所有事件中始终两极分化。最后,我们讨论了我们的研究如何提供洞察当今印度的政治分裂,但也提供了一种手段来研究影响者在加剧政治两极分化在其他情况下的作用。
2021-09-16 cs.CL cs.SI
The Brazilian Vaccination Debate on YouTube: Topics, Perspectives, and Engagement Dynamics
Universidade Federal de Ouro Preto(欧罗普雷托联邦大学);ISTI, National Research Council (CNR)(意大利国家研究委员会IST研究所);University of Pisa(比萨大学);Worcester Polytechnic Institute(伍斯特理工学院);Universidade Federal de Minas Gerais(米纳斯吉拉斯联邦大学)
本研究以127万条巴西YouTube评论为数据集,整合多维度计算分析,揭示了巴西疫苗接种辩论的主题分布、动态变化及观众对创作者框架的重构机制。
2026-08-19 cs.CY cs.SI
AI Feedback Enhances Community-Based Content Moderation through Engagement with Counterarguments
University College Dublin(都柏林大学学院);Trinity College Dublin(都柏林三一学院);Technological University Dublin(都柏林科技大学)
本文研究了AI辅助的混合审核框架,通过提供支持性、中立或论证性的AI反馈,提升用户注释质量,强调多样化视角和直接互动在人机协同智能中的价值。
2026-04-20 cs.CY cs.SI
Trends, Politics, Sentiments, and Misinformation: Understanding People's Reactions to COVID-19 During its Early Stages
COVID-19的突然爆发导致大量数据在不同的社交媒体平台上共享。分析和可视化这些数据无疑对于深入了解这一流行病对人们生活的影响以及人们对这些影响的反应至关重要。在这项工作中,我们进行了一项大规模的时空数据分析研究,以了解人们对COVID-19大流行早期阶段的反应。特别是,我们分析了一个基于JSON的数据集,该数据集是在4个月内从关于COVID-19的英语新闻/消息/论坛/博客中收集的,总共有520万条帖子。这些数据是从2019年12月至2020年3月从Facebook、LinkedIn、Pinterest、StumbleUpon和VK等多个社交媒体平台收集的。我们的研究主要旨在了解COVID-19的哪些影响最令社交媒体用户感兴趣,以及它们如何随时间变化,错误信息的时空分布以及大流行期间公众对公众人物的舆论。我们的结果可以被许多方面使用(例如,政府、心理学家等)根据人民群众的实际利益和意见,
2021-06-25 cs.IT cs.SI math.IT
The Quiet and the Compliant: How Regulation and Polarization Shape Conventional Wisdoms on Corporate Social Engagement in High-risk Settings
University of Oslo(奥斯陆大学)
研究通过合成调查探讨高风险环境下企业社会责任实践的常规智慧与最佳实践,揭示监管、政治极化等因素对企业社会责任活动的影响。
2026-08-27 cs.SI physics.soc-ph
How Metaphors Impact Political Discourse: A Large-Scale Topic-Agnostic Study Using Neural Metaphor Detection
Google Research(谷歌研究院);Imperial College London(帝国理工学院);University of Amsterdam(阿姆斯特丹大学)
隐喻作为一种有效的框架手段在政治修辞中被广泛使用。虽然之前已经有文献记录了特定隐喻(如政治语篇中的战争隐喻)的功效,但这些研究通常依赖于少量的手动编码隐喻使用实例。需要更大规模的主题不可知论研究来建立隐喻作为一种手段的普遍说服力,并揭示指导其说服力的更广泛的模式。在本文中,我们提出了一个大规模的数据驱动的研究中使用的隐喻在政治语篇。我们对一个公开的数据集进行了这项研究,该数据集包含了412名美国政客在其Facebook公共页面上发布的超过8.5万个帖子,截至2017年2月。我们的贡献有三个方面:我们的证据表明,隐喻的使用与意识形态倾向以复杂的方式相关,这取决于同时发生的政治事件,如赢得或失去选举;我们表明,即使在控制了各种社会政治因素,如性别和政党关系后,隐喻的帖子也会引起观众的更多参与;最后,我们通过对7万篇帖子中513个词的隐喻用法和字面用法的细粒度语言学分析,证明隐喻性确实是帖子参与度增加的原因。
2021-04-08 cs.CL cs.SI
Polarization and echo chambers in Reddit's political discourse
University of Rome “Tor Vergata”(罗马托维加塔大学);INFN(意大利国家核物理研究所);“Enrico Fermi” Research Center(恩里科·费米研究中心);ISI Foundation(ISI基金会);Technical University of Denmark(丹麦技术大学);Institute for Applied Computing “Mauro Picone”, National Research Council of Italy(意大利国家研究委员会应用计算“毛罗·皮切内”研究所);IMT School For Advanced Studies Lucca(卢卡高等研究学院)
通过2016年美国大选案例研究,利用统计验证技术提取subreddits社区并分析政治辩论动态,揭示了Reddit存在明显极化与回音室效应,证明网络验证是识别社交媒体行为模式的关键方法。
2025-10-31 cs.SI physics.soc-ph
A model for the Twitter sentiment curve
Twitter是最常用的网络政治沟通平台之一,因为它的信息简洁(特别适合政治口号)和信息的快速传播。特别是当争论刺激用户的情绪时,Twitter上的内容以极快的速度共享,因此研究推文情绪对于预测讨论的演变和相对叙述的登记至关重要。在这篇文章中,我们提出了一个模型,能够再现与特定主题和时期相关的推文的情绪的动态,并根据观察到的过去提供对未来帖子的情绪的预测。该模型是波利亚瓮模型的一个最新变体,在arXiv:1906.10951和arXiv:2010.06373中介绍和研究,其特征在于“局部”强化,即主要基于最近观测的强化机制,以及预测均值的随机持续波动。特别是,后一个功能能够捕捉情绪曲线中的趋势波动。虽然所提出的模型是非常普遍的,也可以在其他情况下使用,它已经在几个Twitter数据集上进行了测试,并表现出更大的性能相比,标准的波利亚瓮模型。此外,在不同的数据集上的不同表现突出了关于公共事件的不同情感敏感性。
2020-11-11 cs.SI physics.soc-ph
Leadership and Engagement Dynamics in Legislative Twitter Networks: Statistical Analysis and Modeling
本研究分析美国第117届国会议员的Twitter互动网络,运用多种社会网络模型探究影响立法关联形成的因素,发现社交媒体立法网络会强化主导政治人物领导力且领导形式多样,关联形成受网络系统属性和制度特征共同影响。
2024-09-16 cs.SI stat.AP
Characterizing Engagement Dynamics across Topics on Facebook
本研究通过分析Facebook上约5700万条帖子,探究争议性主题的病毒式传播与用户极化的关联,发现主题参与动态存在相似模式,且初始爆发性可预测用户未来的负面反应。
2022-11-30 cs.CY cs.SI
The "recognition," "belief," and "action" regarding conspiracy theories: An empirical study using large-scale samples from Japan and the United States
本研究基于美日大规模全国代表性调查和贝叶斯分层模型,解析阴谋论从认知、信念到示威或扩散行动的阶段机制及差异化影响因素。
2025-03-15 cs.CY cs.SI
Indian Political Twitter and Caste Discrimination -- How Representation Does Not Equal Inclusion in Lok Sabha Networks
种姓特权在印度以上层种姓“网络”的形式存在,这些网络由政治、社会和经济关系组成,往往积极排斥下层种姓成员。在这项研究中,我们研究了印度最高立法机构-Lok Sabha的政治家的Twitter网络中这种有害的种姓表达。我们发现,种姓有一个显着的关系,在Lok Sabha Twitter网络的MP的中心性,连通性和参与。国会议员的种姓越高,他们在网络中的重要性就越大,与其他国会议员建立互惠关系,并被高种姓国会议员转发。
2020-07-31 cs.SI
The impact of Twitter on political influence on the choice of a running mate: Social Network Analysis and Semantic Analysis -- A Review
Dedan Kimathi University of Technology(德丹·基马蒂科技大学)
在这个社交媒体的新时代,社交网络正在成为互联网上用户生成内容的越来越重要的来源。这类信息资源包含了很多人的感受、意见、反馈和评论,对大企业、市场、政治、新闻和许多其他领域都非常有用。政治是目前社交媒体网络上最受关注和欢迎的话题之一。许多政治家使用像Twitter这样的微博客服务,因为他们在这些网络上有大量的追随者和支持者。政治家、政党、政治组织和基金会使用社交媒体网络提前与公民沟通。今天,社交媒体被成千上万的政治团体和政治家使用。在这些社交媒体网络上,每个政治家和政党都有数百万的追随者,政治家们找到了新的和创新的方式来敦促个人参与政治。此外,社交媒体通过提供建议协助政治家进行各种决策过程,例如根据以往的经验制定政策和战略,为特定选区推荐和选择合适的候选人,为党内特定职位推荐合适的人选,以及根据公民对各种问题和争议的看法发起政治运动等。本文综述了在Twitter平台上使用社会网络分析(SNA)和语义分析(SA)来研究政治领导人的支持者网络,因为它可以在预测政治未来时帮助决策。
2022-07-31 cs.CL cs.SI