當今社會，人們已經習慣通過互聯網平台表達意見並互相評論。相較於傳統方法如問卷或電話調查，社交媒體提供了一個高效且即時的渠道用於研究公眾的立場。了解這些立場可以幫助政策制定者制定及調整政策。因此，社交媒體上針對特定目標的公眾立場自動判別正在成為意見挖掘的新趨勢。
在本次計算社會科學工作坊中，香港浸會大學互動媒體系李鈺鵬教授以香港大眾對新冠（Covid-19）[e1] 疫苗立場為例，分享了如何自動將社交媒體文本數據（如貼文和用戶之間的交互）分類到不同的立場，如贊同、中立或反對。首先，李教授介绍以粵語為基準的CSD（Conversational Stance Detection）數據集，其中包含香港六大社交媒體的貼文、交互評論以及用戶立場的人工註釋。為了預測用戶的貼文與評論的立場，他們提出了一種新的算法：Branch-BERT。與其他算法比較，這種算法在判斷會同時考慮上下文語義，因此提高預測有效性。李教授然後分享一種名為ConMulAttn（Conversational Multi-head Attention）的新的上下文特定目標立場檢測算法，該算法通過考慮整體對話，進一步提高Branch-BERT的性能，並且可以應用多語言語境。
然而，很多用戶並不直接表達他們的立場而常常隱藏於與其他用戶的交互之中。為了識別隱藏用戶的立場，李教授應用了一種名為GNN-SD（Graph Neural Network-based Stance Detection）的新算法。該算法通過圖模型學習一個點的隱藏信息，從而預測該點的訊息並實現節點標籤預測。李教授和其團隊從社交媒體Twitter收集了用戶關於新冠疫苗接種立場，構建了大規模圖數據集C19-VS，以刻劃用戶間的交互關係和立場的交互圖，並運用GNN-SD來預測用戶立場。這是第一個基於交互圖的新冠疫苗立場自動判別的研究方法。
