ControBench：社交网络上有争议的话语分析的交互感知基准

了解人们如何在网上争论意识形态分歧对于研究政治两极分化、错误信息和内容审核非常重要。现有的数据集只捕获了这个问题的一部分：一些保留了文本但忽略了交互结构，一些模型结构没有丰富的语义，还有一些表示没有稳定的用户级意识形态身份的对话。我们引入了 ControBench，这是一个有争议的话语分析基准，它将异构社交交互图与丰富的文本语义相结合。 ControBench 基于特朗普、堕胎和宗教这三个主题的 Reddit 讨论而构建，包含 7,370 名用户、1,783 条帖子和 26,525 次互动。该图包含通过语义丰富的边连接的用户和帖子节点；特别是，用户-评论-用户边缘对回复及其响应的父评论进行编码，从而保留本地争论上下文。用户标签源自自我声明的 Reddit 风格，为意识形态身份提供可扩展的代理，无需手动注释。所得数据集表现出低或负调整同质性（特朗普：-0.77，堕胎：0.06，宗教：0.04），反映了现实世界辩论的跨领域结构。我们在 ControBench 上评估图神经网络、预训练语言模型和 大语言模型，并观察跨主题和模型系列的不同性能模式，特别是当意识形态界限不明确时。这些结果使 ControBench 成为争议性话语分析的具有挑战性且现实的基准。