知识卡片：TikStance——用于TikTok政治对话中多目标立场分析的多模态层次数据集

英文标题：TikStance: A Multimodal and Hierarchical Dataset for Multi-target Stance Analysis in TikTok Political Conversations
英文关键词：TikStance, Multimodal Dataset, Hierarchical Conversation, Stance Detection, Political Discourse, TikTok, 2024 US Election

一句话结论

TikStance 是一个包含 161 个视频和 13,876 条评论的多模态层次数据集，覆盖 2024 年美国大选周期中的三位主要政治人物（Donald Trump、Joe Biden、Kamala Harris），为短视频平台政治立场检测提供了可靠的标注基准。

事件概述或研究问题

政治讨论正大量迁移到短视频平台，但计算分析受限于缺乏同时保留视听信息和层次对话结构的数据集。TikStance 旨在填补这一空白，支持在视听与对话上下文中进行多目标立场分析。

方法/产品要点

• 数据规模：161 个 TikTok 视频 + 13,876 条评论；数据收集时间跨度为 2023 年 9 月至 2025 年 1 月。
• 结构设计：每个讨论单元将宿主视频及其元数据与父链接评论树关联，从而保留多轮嵌套对话的层次结构。
• 标注方案：对视频→目标立场和评论→目标立场分别采用三分类（Favor, Against, None），由三位独立标注者分别标注；存在分歧的项经重新标注后，最终三个子集（Trump、Biden、Harris）的 Krippendorff’s α 分别达到 0.743、0.723 和 0.722。

主要结果或产业意义

• 描述性分析显示不同目标间的立场分布和对话深度存在差异；嵌套回复占总评论的 23.3%。
• 数据集可支持多模态立场检测、政治传播、计算社会科学以及上下文感知自然语言处理等领域的研究。

为什么重要

TikStance 是目前首个将多目标覆盖、层次化对话树与可靠的多层次人工标注相结合的短视频政治话语数据集，为理解短影音平台上的选民立场演变提供了实证基础。

局限与不确定性

待核实。原材料未明确讨论数据集的局限性（如平台代表性、时间覆盖面、地理焦点等）。

可用于图书/PPT/简报的角度

• 2024 美国大选网络舆论分析案例
• 短视频平台政治传播研究方法论
• 多模态立场检测基准数据集介绍
• 层级对话树在计算社会科学中的应用

原始材料

• arXiv ID: 2607.15240v1
• URL: https://arxiv.org/abs/2607.15240v1
• 作者: Yazhi Zhang, Fuqiang Niu, Bowen Zhang
• 发布日期: 2026-07-16