基于监督、零样本和少样本的立场检测应用
本文研究如何利用直觉表示捕捉话题之间的隐式关系,提出了一种适用于零样本学习的立场检测模型,并提出了一个新的数据集用于测试。结果表明,这个模型在许多有挑战性的语言现象上表现得更好。
Oct, 2020
本文研究了无样本态度检测的开放域问题,并提出使用间接监督和弱监督相结合的方法解决该问题,实验证明该方法可以取得比有监督方法更好的效果。
Oct, 2022
文章提出一种包含情感、常识知识,并使用图自编码器模块获得常识知识的态度检测模型,通过在零样本设置下比较,研究结果显示该模型在 VAST 基准数据集上的表现优于现有最先进的方法。
Aug, 2022
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
通过利用事前训练语言模型作为世界知识源,利用推理过程生成中间推理步骤的链式思维上下文学习方法,Stance Reasoner 在社交媒体上的零样本立场检测方面优于现有技术,包括完全监督模型,并且能够更好地推广到不同的目标,并提供明确且可解释的解释其预测。
Mar, 2024
本文提出了基于预训练语言模型(PLMs)的提示微调方案,以实现针对不同目标的在有限数据情况下的态度检测,通过设计面向目标的提示和提出新的翻译,来有效实现本文提出的方法,实验结果表明我们的模型在全数据和少样本场景下均具有优越的性能。
Jun, 2022
本教程旨在介绍立场检测领域的最新研究进展,并为有兴趣的研究人员和实践者提供开放的研究方向。立场检测是一个新兴的研究课题,利用给定的内容确定对于特定目标或目标集的立场,在各个领域中有着重要的应用机会。本教程包含两个部分,其中第一部分概述了立场检测的基本概念、问题、方法和资源,而第二部分涵盖了立场检测的开放性研究方向和应用领域。本教程将是立场检测、社交媒体分析、信息检索和自然语言处理领域研究人员和实践者的有用指南。
Oct, 2022
本文提出了一种站立检测方法,该方法利用语法表达式模式来捕获可转移的知识,可以有效地适应未见目标,最终采用注意机制来预测先前未见目标并在四个基准数据集上表现出高于竞争基线的效果。
Oct, 2022
该文综述了社交媒体上基于观点挖掘的新兴姿态检测技术,比较了不同领域的方法,包括自然语言处理、Web 科学和社交计算,并在现有基准数据集上介绍了这些姿态检测技术的最新结果,讨论了最有效的方法和技术,还探讨了社交媒体上姿态检测的新趋势和应用,最后总结了目前该领域存在的缺陷和未来发展方向。
Jun, 2020