一种用于多领域道德学习的融合框架
计算与语言
2023-04-06 v1
摘要
语言模型可被训练以识别文本的道德情感，这为研究道德在人类生活中的作用创造了新机遇。随着对语言与道德兴趣的增长，若干带有道德标注的 ground truth 数据集已被发布。然而，这些数据集在数据收集方法、领域、主题、标注者指示等方面存在差异。训练时简单聚合此类异构数据集可能产生泛化能力差的模型。我们描述了一种在多个异构数据集上训练以提升性能与泛化能力的数据融合框架。该模型使用领域对抗训练在特征空间中对齐数据集，并使用加权损失函数处理标签偏移。我们表明，相较于先前道德推断工作，所提框架在不同数据集中实现了最先进（SOTA）性能。
引用
@article{arxiv.2304.02144,
title = {A Data Fusion Framework for Multi-Domain Morality Learning},
author = {Siyi Guo and Negar Mokhberian and Kristina Lerman},
journal= {arXiv preprint arXiv:2304.02144},
year = {2023}
}