EMNLPOct, 2022

Stanceosaurus：多语言虚假信息立场分类

PDF
TL;DRStanceosaurus 为一个包含 28,033 个英语、印地语和阿拉伯语推文的新语料库，对 251 个虚假言论的立场进行了注释，并引入了更为精细的五类标签策略以区分隐含立场，预训练的基于变压器的立场分类器在未见训练数据的其他地区的言论中呈现出良好的泛化性能，语言跨度范围广。此外，该文提供了一种域自适应方法，以进一步提高在 Stanceosaurus 上的表现。
发现论文，激发创造
  • Stanceosaurus 2.0: 对俄语和西班牙语虚假信息进行态度分类

    通过将西班牙语和俄语纳入 Stanceosaurus 2.0 框架，从而提供了 41 个误传事件中的 3,874 个西班牙语和俄语推文，以支持与多文化误传相关的研究，并通过使用零射多语言 BERT 进行跨语言转移来证明了立场分类作为识别多元文化误传的有效工具。

    Feb, 2024

  • 立场预测和主张验证：阿拉伯视角

    该论文探讨了在阿拉伯语新闻断言验证和观点预测中使用文本蕴含的应用，并使用一个新的语料库。作者介绍了语料库的创建方法和注释过程，开发了用于两个提出的任务的两个机器学习基线：断言验证和立场预测。作者的最佳模型利用预训练（BERT），在立场预测任务上实现了 76.7 F1，在断言验证任务上实现了 64.3 F1。结果表明，尽管通过预训练学习到的语言特征和世界知识对于立场预测是有用的，但是这些学习表示对于没有上下文或证据的断言验证是不够的。

    May, 2020

  • AraStance：多国家与多领域的阿拉伯语态度检测数据集，用于事实核查

    该研究针对在线上的虚假信息和误导信息的不断传播，通过使用检索到的相关文档的立场检测来解决争论真实性预测的问题，并推出了一个有多个语言支持的自动化系统来进行大规模的对抗，其中最佳的 BERT-based model 可达到 85％的准确率和 78％的宏 F1 分数。

    Apr, 2021

  • X-Stance: 一个用于立场检测的多语言、多目标数据集

    利用来自瑞士选举候选人的评论，构建了一个多语言立场检测数据集，包含 3 种语言的 67,000 条评论，预先加入自然问题代表目标，并用此训练出一种适用于所有政治问题的单一模型，使用多语言 BERT 的基线结果表明，该方法在零样本的情况下，进行跨语言和跨目标的转移效果相对成功。

    Mar, 2020

  • 英 — 印度混合语语料库：立场注释和基础系统

    本研究使用新的 3545 英汉混合推文数据集，研究了社交媒体用户对 2016 年印度废钞事件的观点，并提出了一个基于各种机器学习技术的监督分类系统，以实现在 10 倍交叉验证下 58.7% 的准确性。

    May, 2018

  • 俄语立场预测：数据与分析

    本研究调查了针对俄罗斯语言的立场分类。同时，引入了一个新的 RuStance 数据集，以及用于该语言的文本分类方法进行基准测试，此外，该论文还为该语言中的立场预测提供了一个基线。

    Sep, 2018

  • ExaASC：一个阿拉伯语普遍目标为基础的立场检测语料库

    该论文提出了一种新的基于目标立场检测方法，通过使用回复的立场来识别源推文中最重要和有争议的目标，从而构建了一个称为 ExaASC 的阿拉伯语低资源语言新语料库，使用 BERT 评估后达到了 70.69% 的宏 F1 分数，证明了该数据和模型可以在一般的基于目标的立场检测系统中使用。

    Apr, 2022

  • COVMis-Stance 数据集：针对 COVID-19 误信息的 Twitter 立场检测

    本文为了解 Twitter 用户对 COVID-19 错误信息的立场，构建了一个新的 2631 个推文注释数据集，使用 MNLI 数据集和已有的 RumourEval 和 COVIDLies 数据集进行微调，评估了模型性能。结果表明，将 MNLI 和 RumourEval 以及 COVIDLies 数据集组合进行序列微调效果最佳。

    Apr, 2022

  • 基于情感预训练的少样本跨语种立场检测

    本研究提出新的模型，在跨语言环境下实现了最全面的立场检测实验，通过基于情感的立场数据预训练，相较于几个强基准测试，以及低资源设置下取得了 6% 以上的 F1 绝对改善。

    Sep, 2021

  • 统一语料库中的立场检测和事实核查整合

    该研究提供了一种基于数据集的方法，支持事实检查、文献检索、来源可靠度、立场检测和论据提取这些任务之间的相互关系，从而帮助构建一个阿拉伯语事实检查语料库。

    Apr, 2018