Аффективная гомофилия как основной принцип организации сетей конфликтного дискурса

Введение

В 2025 году одновременно обострились несколько международных конфликтов — включая напряженность между Индией и Пакистаном, Ираном и Израилем, Россией и Украиной — привлекая беспрецедентное глобальное внимание. Однако, в отличие от предыдущих геополитических кризисов, критическим полем битвы для этих конфликтов стала цифровая публичная сфера. В Китае социальные медиаплатформы, такие как Sina Weibo, быстро превратились в основные арены для публичного конструирования смыслов, формирования мнений и выражения позиций относительно этих международных событий.

Теоретические основы

Анализ кризисного дискурса в цифровых публичных сферах пересекается с тремя фундаментальными дискуссиями, которые формировали вычислительную социальную науку на протяжении последних двух десятилетий. Эти дебаты — касающиеся различия между влиянием и гомофилией, роли эмоций в распространении информации и функциональных ролей структурных брокеров — традиционно рассматривались изолированно.

Влияние против гомофилии: дилемма диффузии

Различение влияния и гомофилии — тенденции схожих индивидов к соединению — является классической проблемой в сетевой науке. Семinalная работа показала, что значительная часть кажущегося социального заражения может быть отнесена к гомофилии, что требует более продвинутых методов для их разделения.

Эмоциональный парадокс в распространении информации

Роль эмоций в распространении информации породила противоречивые findings, раскрывающие то, что мы называем «эмоциональным парадоксом». С одной стороны, многочисленные исследования идентифицировали негативные эмоции, особенно гнев и моральное возмущение, как мощные драйверы вирусного контента.

Структурные брокеры: медиаторы или агитаторы?

Теория структурных дыр, разработанная Ласега и Бёртом, позиционирует брокеров — индивидов, соединяющих иначе разобщенные группы — как обладающих значительным социальным капиталом благодаря их уникальным сетевым позициям.

Методология исследования

Это исследование разрабатывает интегративную аналитическую framework, используя Graph Neural Networks (GNN) для examination сетевого формирования через задачу предсказания связей. В отличие от традиционных методов, которые анализируют структуру, семантику и эмоции как отдельные переменные, наша framework использует сквозное обучение для генерации пользовательских representations, захватывающих сложное взаимодействие между этими измерениями.

Сбор и обработка данных

Исследование анализирует данные из Sina Weibo, крупнейшей микроблоговой платформы Китая, фокусируясь primarily на обсуждениях, связанных с недавними международными конфликтами. Для обеспечения domain адаптируемости наших findings, мы также анализируем посты из финансовой и технологической domains в приложении.

Анализ sentiment

Полярность sentiment была количественно определена с использованием двух complementary моделей: Erlangshen-Roberta-110M-Sentiment и GIS-chatweibo-100k-finetuned-bert, обе outputting нормализованные scores. Первая leverages robust архитектуру Erlangshen для китайского sentiment анализа, в то время как вторая provides domain-специфическую адаптацию через Weibo-based тонкую настройку.

Результаты

В реальной онлайн-конфликтной сети традиционные сетевые теории становятся неадекватными. Мы обучили Graph Neural Network (GNN) для моделирования фундаментального процесса «формирования связей», функционирующего как «вычислительный социолог» для раскрытия истинных сил, двигающих сетевыми взаимодействиями.

Вычислительное превосходство гомофилии над структурным престижем

Чтобы исследовать, как Graph Attention Networks (GATs) prioritруют различные сетевые signals во время предсказания связей, мы проанализировали механизмы attention across двух слоев нашей обученной GATv2 модели.

Аффективное ядро community структуры

Установив вычислительное превосходство гомофилии над структурным престижем, мы further исследовали, какие измерения гомофилии доминируют в learned representations.

Обнаружение emergent антигомофильных брокеров

В то время как GAT модели excel в изучении доминирующих механизмов сетевого формирования, их систематические prediction failures раскрывают альтернативные pathways соединения, которые defy преобладающие patterns.

Обсуждение

Наши findings раскрывают, что в high-поляризационных кризисных контекстах социальные сети кристаллизуются в «эмоциональные крепости» — homogeneous кластеры, где аффективно-основанная гомофилия доминирует над традиционными структурными принципами сетевого формирования.

Ограничения исследования

Хотя источник данных этого исследования extensive в volume, он все еще limited до single платформы (Sina Weibo) и specific временного периода (с апреля по июль 2025 года) и specific темы (международные конфликты).

Перспективы будущих исследований

Основываясь на наших findings, мы outline несколько promising направлений для future исследований, чтобы углубить понимание аффективно-движимого сетевого формирования и его boundary условий.

Заключение

Это исследование демонстрирует, как графовые нейронные сети могут стать diagnostic frameworks для раскрытия социальных механизмов, revealing emergence «эмоциональных крепостей» во время международных конфликтов, где аффективно-основанная гомофилия overwhelms традиционные структурные принципы сетевого формирования.