基于嵌入的聚类方法用于目标特定立场分析：以极化的土耳其为例

2018年6月24日，土耳其举行了一场具有重大影响的选举，这是在新的总统制下举行的首次总统与议会选举。选举期间，土耳其民众在Twitter平台上广泛分享其政治观点。选民群体中的一个显著极化现象表现为对现任总统雷杰普·塔伊普·埃尔多安（Recep Tayyip Erdoğan）是否应连任的支持或反对态度。本文提出了一种在极化语境下针对特定目标的无监督立场检测方法，专门应用于土耳其政治语境，实现了90%的立场识别精确率，同时保持了超过80%的召回率。该方法首先利用谷歌基于卷积神经网络（CNN）的多语言通用句子编码器（Multilingual Universal Sentence Encoder）将用户表示为嵌入空间中的向量，随后通过一种反映用户间相似性的投影方式，将这些表示降维至低维空间，并进行聚类。实验结果表明，该方法能够有效对不同群体用户进行正确聚类，涵盖政治人物、不同社会群体及政党等多个目标。本研究基于一个大规模数据集，包含1.08亿条与土耳其选举相关的推文，以及16.8万名土耳其用户的历史推文，这些用户共发布了2.13亿条推文。基于所识别出的用户立场，我们进一步分析了话题之间的相关性，并量化了话题极化程度。