ACLMay, 2023

使用扩展立场三角框架指导计算立场检测

PDF
TL;DR本文从语言学角度分解了立场检测任务，并详细研究了该任务中的关键组件和推理路径。作者扩展了先前提出的立场三角形语言框架，并使用该框架扩展了单一的训练语料库以增加注释。 实验结果表明，战略丰富的数据可以显着提高跨领域和跨目标评估的性能。
stance detectionsemantic featureslinguistic frameworktraining dataout-of-domain
发现论文，激发创造
  • 基于交叉注意力的立场检测上下文信息整合

    使用双编码器模型将来自不同来源的上下文信息与预训练语言模型相结合，提高文本领域内作者立场识别的准确度。

    Nov, 2022

  • 多模态立场检测：新数据集和模型

    通过整合文本和图像的多模态信息，文章提出了一种简单而有效的 TMPT 框架，利用目标信息从文本和视觉模态学习多模态姿态特征，并在三个基准数据集上取得了最先进的多模态姿态检测性能。

    Feb, 2024

  • 知识图谱增强的生成式实体对实体立场检测

    本文引入了一项新的任务，即实体之间（E2E）的立场检测，旨在于能够在研究相互作用时识别实体及其立场；通过引入一种新的生成框架，强化模型，以及进一步引入图编码器来概括实体活动以及周围的外部知识，我们实验后得出在 E2E 立场检测方面，相对较强的效果。此外，我们还发现，E2E 立场检测对于理解媒体引用和立场文化以及推断实体意识形态非常有用。

    Nov, 2022

  • 基于协作角色注入的立场检测

    Stance detection is a crucial task in content analysis, and this paper presents a COLA framework that utilizes LLMs to handle multi-aspect knowledge, advanced reasoning, and collaborative agents to achieve state-of-the-art performance without additional data annotation or model training, emphasizing its usability, accuracy, effectiveness, explainability, and versatility.

    Oct, 2023

  • 对比学习与反事实生成的领域自适应跨目标观点检测

    通过对比学习和反事实生成引入了一种新颖的领域自适应跨目标立场检测模型 STANC-C3，利用反事实数据增强培训过程中的目标领域数据集，并且需要更少来自新领域的信息，通过在多个数据集上的实验，表明 STANC-C3 相对于现有的最先进的方法显示了性能的提升。

    Sep, 2023

  • 深入对话线程，改进社交媒体平台上的目标特定立场检测

    本文提出一种新的目标特定立场检测任务 —— 会话立场检测，旨在推断给定数据实例及其相应的会话主题的立场。为此，通过六个主要的香港社交媒体平台，使用注释技术构建基准会话立场检测（CSD）数据集，提出一种模型 Branch-BERT，将上下文信息融入到会话线程中以预测要检测的立场，实验证明该模型相较于其他基线模型能够取得更好的结果表现。

    Nov, 2022

  • STEM: 无监督结构化嵌入用于立场检测

    本文提出一种无监督的框架，用于姿态检测，基于构建多参与者讨论的相互作用网络并从中提取每个说话者的拓扑嵌入向量，用于区分不同阶层的持观点言论者，表现出色，并且揭示了嵌入与说话者表达的赞成度之间的关系。

    Dec, 2021

  • 网络和社交媒体中的立场检测：一项比较研究

    本文探讨了在社交媒体平台上进行自动立场检测的多种方法，包括神经模型和经典的分类器模型，并对它们的可复现性和比较性能进行了详细的研究和实验。

    Jul, 2020

  • 运用语篇关系进行距离微调以进行立场分类

    本论文提出了一种新的方法，通过提取特定的语篇关系信息从原始文本中提取带有银标签的数据，以微调用于态度分类的模型并提出了一个 3 阶段的训练框架，实现了从最嘈杂的数据到最少噪音的数据不断降噪。实验结果表明，自动注释的数据集以及 3 阶段训练有助于改善模型在态度分类中的性能，该方法在 NLPCC 2021 共 26 支队伍竞争的观点分类赛道中排名第一，验证了我们方法的有效性。

    Apr, 2022

  • 社交媒体立场检测的可能因素分析

    本文旨在探讨利用用户在社交媒体上的行为特征来检测其对不同主题的立场。实验结果表明，用户的立场可以通过其相对应的社交网络特征得到比较好的检测，同时发现这些特征具有一定的隐私影响。

    Aug, 2019