Zespół badaczy zaprezentował ValueGraph, framework pre-trainingu grafowego, który wykorzystuje automatycznie wnioskowane sygnały moralne jako dodatkową informację do tworzenia bardziej precyzyjnych reprezentacji użytkowników mediów społecznościowych. Metoda opiera się na obserwacji, że ludzkie zachowanie online kształtują nie tylko wypowiadane słowa czy interakcje, ale także wartości, które użytkownicy wyrażają w swojej aktywności.
ValueGraph konstruuje reprezentacje użytkowników poprzez analizę grafów post-reply (sieci postów i odpowiedzi), jednocześnie wyrównując użytkowników na podstawie podobieństwa ich wartości moralnych. System nie traktuje wnioskowanych wartości jako pewnych etykiet psychologicznych, ale raczej jako miękkie ograniczenia wspierające proces uczenia. Wykorzystuje kombinację uczenia nienadzorowanego z celami contrastive learning i clustering objectives.
Wyniki badań wykazały konsystentne poprawy w porównaniu z silnymi bazami - modelami opartymi wyłącznie na tekście, grafami i dużymi modelami językowymi. Szczególnie istotne były polepszenia w zadaniach takich jak wykrywanie stanowiska użytkownika czy identyfikacja botów na Twitterze. To podejście sugeruje, że integracja informacji o wartościach użytkowników stanowi użyteczne unikalne wytyczne dla modelowania zachowań społecznych i może prowadzić do lepszego zrozumienia dynamiki mediów społecznościowych.