立场检测旨在识别作者对特定文本的态度或立场(同意、不同意、中立)。现有仅基于文本信息的方法在跨域场景中的表现存在局限性。为此，针对如何利用社交关系信息辅助立场检测展开了研究。研究从评论和回复数据中提取社交关系信息，并将其构建为归纳社交关系图。同时，提出了一种结合自编码器(autoencoder, AE)和变分自编码器(variational autoencoder, VAE)的混合自编码器立场检测框架，用于精确建模作者的社交关系特征，以提升立场识别的效果。为进一步学习鲁棒的社交关系特征，设计了一种双通道多层次对比学习方法，通过在混合自编码器内部以及不同社交关系图之间进行特征对比，增强模型对社交关系的建模能力。在DEBAGREEMENT数据集上进行了域内和跨域任务的实验，结果表明该框架在测试中的表现优于多个基线模型。研究结论验证了社交关系信息在立场检测任务中的重要性，并为未来相关研究提供了新的思路和方法。