Aug, 2022

广告中的说服策略：数据集、建模和基线

PDF
TL;DR本文介绍了一种使用多模态学习的注意力融合模型来预测广告中运用的说服策略，并使用构建的广告图像语料库对模型的效果进行了测试。测试数据中的图像分割掩模标注了对应广告中的说服策略。通过对 30 所财富 500 强企业的 1600 个广告活动的实际案例研究，可以分析对不同人口统计学数据（年龄和性别）采用哪种策略更有效。
persuasion modelingcomputational modelingmulti-modal learningpersuasion strategiesimage corpus
发现论文，激发创造
  • 图像与视频广告自动理解

    本文提出了自动广告理解的问题，并基于两个数据集进行了研究，包含主题和情感、问题和答案、符号引用以及广告使用的最常见的说服策略等多种注释。对于多个预测任务，包括自动回答广告信息问题，我们提供了基线分类结果。

    Jul, 2017

  • 社交推理游戏中说服行为建模的多模态数据集：我们中的狼人

    本文介绍了第一个模拟说服行为的多模态数据集，并使用对话背景和视觉信号提供了广泛实验证明，展示了说服策略预测的益处和语言模型对说服建模的泛化能力。

    Dec, 2022

  • 基于弱监督的分层模型，预测诚信文本请求中的说服策略

    本文介绍了一种基于多领域文本语料库的计算建模方式，利用弱监督的潜变量模型来预测与每个句子相关联的说服性策略，证明该方法在语言说服方面的表现优于之前的方法，并公开了代码。

    Jan, 2021

  • ImageArg：用于图像说服挖掘的多模态推特数据集

    本研究的重点在于将具有说服力的图像转换为多模式数据，开发用于自动化系统的多模式数据集，然后使用这个数据集对图像说服力任务进行基准测试和实验，通过开发一种说服分类方法来划分图像的说服功能和说服方式，为这一高级领域提供有用的资源。

    Sep, 2022

  • 分析梗圖文本的說服策略：語言模型與改寫增強的融合

    本研究旨在通过改进模型训练方法和研究平衡与非平衡的训练数据集的影响，提高在迷因文本中多种具有说服力的技术的有效识别和分类。结果表明，使用释义进行训练可以提高模型性能，而平衡的训练集比较大但不平衡的训练集更有优势。

    Jul, 2024

  • 一种无监督的领域无关框架，用于自动检测文本中的说服策略

    本文利用多类别分类问题的机器学习框架，探讨社交媒体上一些具有欺骗性、有误导性的文本的检测方法，利用已有的语料库【英文原文：lexical features】和提取文本固有结构的方法进行处理，并取得了良好的进展。

    Dec, 2019

  • SemEval-2021 任务 6：文本和图像中说服技术的检测

    SemEval-2021 任务 6 描述了使用文本和图像进行说服技巧检测的数据、标注指南、评估设置、结果和参与系统，共吸引了 71 个注册和 22 个团队参与。该任务的重点在于检测拼贴图中的文本中使用的说服技巧，包括检测的技巧、文本跨度和拼贴图中的技巧。结果显示，在双模态中，文本和图像都很重要，一些团队采用联合模型建模了其交互作用，并获得了增益。

    Apr, 2021

  • RESPER：计算模拟有抗拒策略的说服对话

    本文研究了在任务中使用说服策略对结果的影响，提出了一个对话中抵抗策略的概括框架并用神经网络模型进行自动识别，实验表明了在目标导向型对话中权力角色的不对称性以及抵抗策略在最终对话结果中的积极作用和不同抵抗策略的不同作用。

    Jan, 2021

  • 有说服力的对话理解：基线和负面结果

    本文旨在研究使用 Transformer 和 CRF 模型进行说服策略识别的方法，并通过实验证明该方法存在缺陷，不能很好地识别个人之间的对话关系和标签依赖关系。

    Nov, 2020

  • 多模式多任务学习中广告理解基准测试

    为了更好地了解广告的主题和情感，本文提出了一种新颖的深度多模态多任务框架，将多种模态整合起来，同时实现广告的主题和情感的预测。通过多模态注意力模块，该模型在最新的大型广告数据集上实现了最先进的性能。

    Dec, 2019