一种检测推文中立场的半监督方法
计算与语言
2018-01-29 v1
摘要
立场分类旨在针对特定讨论问题，识别会话轮次说话者或作者对该问题是支持（Pro）还是反对（Con）立场。检测推文中的立场是SemEval-2016 Task6提出的一项新任务，涉及对关于堕胎、无神论、气候变化、女权主义和希拉里·克林顿话题的推文数据集预测立场。给定数据集规模较小，我们团队通过为每个话题开发一组高精度主题标签（hashtags）来查询Twitter API，创建了自己的话题特定训练语料库，旨在无需对推文立场进行额外人工标注的情况下开发大型训练语料库。为每个话题选择的主题标签被预测为自身即携带立场。实验结果表明，我们基于使用情感词典泛化依赖特征的“意见-目标”对特征取得了良好性能。
引用
@article{arxiv.1709.01895,
title = {A Semi-Supervised Approach to Detecting Stance in Tweets},
author = {Amita Misra and Brian Ecker and Theodore Handleman and Nicolas Hahn and Marilyn Walker},
journal= {arXiv preprint arXiv:1709.01895},
year = {2018}
}
备注
@InProceedings{S16-1068, title = "NLDS-UCSC at SemEval-2016 Task 6: A Semi-Supervised Approach to Detecting Stance in Tweets", "Misra, Amita and Ecker, Brian and Handleman, Theodore and Hahn, Nicolas and Walker, Marilyn",booktitle = "Proceedings of the 10th International Workshop on Semantic Evaluation (SemEval-2016) ", year = "2016",publisher = "Association for Computational Linguistics"}