摘要：[目的] 细粒度挖掘不确定环境下社交媒体用户观点立场转移有助于全面了解舆情发展态势。 [方法] 本文以持续参与疫苗话题讨论的推特用户为实验对象，基于预训练语言模型和神经网络模型构建用户立场检测模型，将用户观点转移路径划分为六种类型。基于不确定减少理论，构建不确定环境下用户观点立场转移预测的特征体系。基于XGBoost模型构建观点立场转移预测模型，采用SHAP解释方法对特征重要性进行分析。 [结果] 研究结果表明，46.76%的用户并未改变其疫苗观点立场，而且用户观点扭转型占比较少。基于XGBoost构建的用户观点转移预测模型F1值达到了0.8209，交互用户立场相似度的特征重要性最高。此外，不同观点转移路径上特征的重要性排序有所不同。 [局限] 用户观点立场转移可能会受到重大外生事件等多重因素影响，未来可进一步探究重大外生事件等因素对用户观点转移的影响。 [结论] 结合预训练语言模型和神经网络模型能更好地检测用户立场，揭示不确定环境影响用户观点转移的因素，为社交媒体用户观点在线监测的进一步工作提供帮助。
文章目录
1 引言
2 相关研究与理论基础
2.1用户观点转移研究
2.2不确定减少理论
3 研究方法
3.1观点立场检测算法
3.2用户观点立场转移识别
3.3用户观点立场转移的影响因素
3.4用户观点立场转移预测模型
4 实验结果与分析
4.1数据集
4.2用户观点立场检测
4.3用户观点情感-主题-立场分布分析
4.4用户观点立场转移路径分析
4.5用户观点转移的影响因素分析
5 结论
