May, 2019

政治竞选文本中基于目标的言语行为分类

PDF
TL;DR本研究通过对竞选文本中的言语行为和每一个话语的目标的分析，研究政治竞选中的语用学，提出一种包含特定领域言语行为（如承诺型行动等）的新的标注方案，并介绍了一个包含来自 2016 年澳大利亚选举周期的媒体发布和演讲文稿的新型标注语料库。我们展示了如何将言语行为和目标指向建模为连续分类，并评估了多种技术，包括利用语境化词表示、半监督学习、任务依赖和说话人元数据。
pragmaticspolitical campaignspeech actsannotation schemasequential classification
发现论文，激发创造
  • 推文行为：Twitter 上的言语行为分类器

    本研究在推特平台上探索了言语行为的多分类识别，通过建立包含六种言语行为的分类体系并提出一套语义和句法特征，训练并测试出使用逻辑回归分类器的最新性能，达到了大于 0.7 的平均 F1 分数，在不同粒度的分类器中实现泛化和过拟合之间的平衡。

    May, 2016

  • 我们要求正义！”：以社会背景为基础的政治文本分析

    社交媒体上的言论常常由政治光谱两极中的不同方面使用 “看似相似的语言” 组成，但往往对应着截然不同的现实行动。本文旨在在计算环境中定义和描述理解此类模棱两可陈述所需的背景，并将其与真实世界的实体、行动和态度联系起来。为了达到这个目标，我们提出了两个具有挑战性的数据集，需要对文本的现实背景有全面的理解才能有效解决。我们通过构建基于 BERT、RoBERTa、GPT-3 等大型预训练模型的基线，并基于现有的 “话语语境框架” 和 “政治参与者表示” 模型开发和基准测试了更有结构化的基线。我们对数据集和基线预测进行分析，以深入了解所提出的社交背景任务所带来的实用语言理解挑战。

    Nov, 2023

  • 一份用于政治标题目标情感分析的西班牙数据集

    本文通过针对 2019 年阿根廷总统大选主要媒体发布的 1,976 个题名候选人的情感数据集，利用预训练的语言模型和最先进的分类算法，解决了特定领域新闻标题情感分析的问题，并公开了数据和模型。

    Aug, 2022

  • 对话行为建模用于自动标记与识别交谈语音

    本文提出了一种基于统计学方法的对话行为建模方法，通过对词汇、语音、对话结构等多个方面的考虑对话行为进行检测和预测，并应用于语音识别和对话行为分类，实验表明取得了良好的对话行为分类精度和一定的语音识别效果提升。

    Jun, 2000

  • 仇恨言论：社交媒体上基于目标的语言分析

    本文通过文本语言学和心理语言学分析探讨网络仇恨言论的不同形式，发现两种仇恨言论的语言特征不同，以期深化了解并帮助检测网络仇恨言论。

    Apr, 2018

  • 对话中的意图与面子

    该研究分析了三个计算系统，通过对意图和礼貌进行分类，重点研究前者如何影响后者。研究发现对话行为可以提升对面子行为的检测性能，指出面子和意图之间存在密切的关系。

    Jun, 2024

  • 政治广告数据集：波兰 2020 年总统选举的使用案例

    在社交媒体上，政治竞选充斥着政治广告。该研究提出了一种公开可用的数据集，用于检测特定文本块和政治广告类别的内容，特定文本块和政治广告类别是符合波兰选举法的竞选基本形式。数据集包含 1,705 条人工标注的推文，标有九个类别。该数据集被用来训练神经标记器，并用于对波兰 2020 年总统选举在 Twitter 上的初步分析。

    Jun, 2020

  • 隐含有害内容的目标跨度检测

    通过收集并标注三个主要的暗含仇恨言论数据集（SBIC，DynaHate 和 IHC），我们定义了一个新的任务，旨在识别暗含仇恨言论的目标，并利用人类注释和大型语言模型（LLM）的匹配分数来实现这一目标。实验表明，Implicit-Target-Span 为目标跨度检测方法提供了一个具有挑战性的测试平台。

    Mar, 2024

  • 合理言语行动模型中的学习

    通过定义和优化经训练的统计分类器，RSA 模型可用作自然语言处理应用程序的隐藏层，从而打开了新的应用领域和有效从数据学习的可能性，我们在指代表达生成任务中验证了该模型，表明将有关自然语言生成的洞见特征纳入 RSA 中可实现最佳性能。

    Oct, 2015

  • 基于区间提取和分类的开放式目标情感分析

    提出了一种基于跨度的提取 - 分类框架，其直接从句子中提取多个观点目标，并使用其跨度表示对相应的情感极性进行分类，该方法在三个基准数据集上的实验表明，该方法在情感分析中表现良好且优于以前的序列标注基线。

    Jun, 2019