面向对话立场检测的挑战性数据集与有效模型
计算与语言
2024-03-22 v2
摘要
以往的立场检测研究通常集中于评估单个实例中的立场，因此在有效建模关于同一特定主题的多方讨论方面存在局限性，而这种讨论在真实的社交媒体互动中自然发生。这一限制主要是由于缺乏真实再现真实社交媒体语境的数据集，阻碍了对话立场检测的研究进展。在本文中，我们引入了一个新的多轮对话立场检测数据集（称为 \textbf{MT-CSD}），其中包含用于对话立场检测的多个目标。为了从这个具有挑战性的数据集中提取立场，我们提出了一种全局-局部注意力网络（\textbf{GLAN}），以解决对话数据中固有的长程和短程依赖关系。值得注意的是，即使是以 GLAN 为代表的最先进的立场检测方法，其准确率也仅为 50.47\%，突显了对话立场检测中持续存在的挑战。此外，我们的 MT-CSD 数据集作为促进跨领域立场检测发展的宝贵资源，其中分类器是从不同但相关的目标调整而来的。我们相信 MT-CSD 将有助于推动立场检测研究的现实应用。我们的源代码、数据和模型可在 \url{https://github.com/nfq729/MT-CSD} 获取。
引用
@article{arxiv.2403.11145,
title = {A Challenge Dataset and Effective Models for Conversational Stance Detection},
author = {Fuqiang Niu and Min Yang and Ang Li and Baoquan Zhang and Xiaojiang Peng and Bowen Zhang},
journal= {arXiv preprint arXiv:2403.11145},
year = {2024}
}