获取TASTE：融合文本与结构嵌入的多模态姿态检测
计算与语言
2024-12-13 v3
摘要
姿态检测在促进广泛的下游应用方面发挥着关键作用，从话语解析到追踪虚假新闻的传播以及科学事实的否认。虽然大多数姿态分类模型依赖于待检测言语的文本表示，但 prior work 已证明了对话语境在姿态检测中的重要性。本文引入TASTE——一种用于姿态检测的多模态架构，将基于Transformer的内容嵌入与无监督结构嵌入和谐融合。通过对预训练变压器进行微调并通过门控残差网络（GRN）层与社交嵌入融合，我们的模型善于捕捉内容与对话结构在决定姿态方面的复杂相互作用。TASTE在常见基准测试上实现了最先进的结果，显著优于一系列强大的基线方法。比较评估强调了社交 grounding 的优势——强调同时利用内容和结构以实现改进的姿态检测的关键性。
引用
@article{arxiv.2412.03681,
title = {Acquired TASTE: Multimodal Stance Detection with Textual and Structural Embeddings},
author = {Guy Barel and Oren Tsur and Dan Vilenchik},
journal= {arXiv preprint arXiv:2412.03681},
year = {2024}
}
备注
COLING 2025