Dec, 2023

一个逻辑一致的思路链式方法用于立场检测

PDF
TL;DRZero-shot stance detection enhanced by logically consistent chain-of-thought and supplementary external knowledge outperforms traditional supervised methods without relying on labeled data.
zero-shot stance detectionbackground knowledgelogically consistent chain-of-thoughtsupplementary external knowledgelabeled data
发现论文，激发创造
  • 思维之阶梯：利用知识提升立场检测

    通过引入 Ladder-of-Thought (LoT) 来改进 ChatGPT 和 CoT 模型，在提高中间推理过程和使用外部知识的基础上，在立场检测任务中实现了 16% 的改进。

    Aug, 2023

  • 基于对比学习的跨域特征增强的零样本态度检测

    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

  • 社交媒体上的立场检测的思维链嵌入

    社交媒体上的立场检测对大型语言模型（LLMs）来说是具有挑战性的，因为在线对话中的新兴俚语和口头语通常包含深层次的隐含立场标签。在这项研究中，我们通过引入 COT 嵌入来改进了 COT 提示在立场检测任务上的性能，将 COT 推理嵌入到传统的基于 RoBERTa 的立场检测流程中，从而解决了隐含立场识别的问题。我们的分析表明：1）文本编码器可以利用 COT 推理，即使存在轻微错误或幻觉，否则会扭曲 COT 的输出标签。2）当样本的预测严重依赖于领域特定的模式时，文本编码器可能会忽视误导性的 COT 推理。我们的模型在多个社交媒体收集的立场检测数据集上实现了 SOTA 性能。

    Oct, 2023

  • 利用情感和常识进行零样本立场检测

    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

  • 通过逻辑增强大型语言模型中的零射连续推理

    利用逻辑链思维 (LogiCoT) 的神经符号框架，大规模语言模型提供了更强的零编码链式思维推理能力。实验证明了逻辑增强的推理范式在算术、常识、符号、因果推断和社会问题等多个领域的语言任务中的有效性。

    Sep, 2023

  • 利用 ChatGPT 探索社交媒体立场检测的思路链

    本文研究了 Chain-of-Thought 方法在 stance detection 任务中的有效性，并展示了其卓越的准确性和相关挑战。

    Apr, 2023

  • 立场推理器：在社交媒体上的零样本立场检测与明确推理

    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

  • 零样本立场检测：使用广义主题表示的数据集和模型

    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

  • OpenStance: 实现真实世界零样本立场检测

    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

  • 基于监督、零样本和少样本的立场检测应用

    本文通过确定立场检测任务的定义，提供了一个通用框架，并提供了三种不同的方法来执行立场检测：监督式分类、NLI 分类器的零样本分类和上下文学习。此外，本文论述了零样本和少样本语言分类器的应用和局限性与监督分类器的不同，并通过复制 Block Jr 等人 (2022) 的方法演示了零样本立场检测的应用。

    May, 2023