弥合祖鲁语立场检测中的领域鸿沟
计算与语言
2022-05-09 v1
摘要
鉴于错误信息在我们信息来源中的传播，近年来其已成为一个主要关切。过去几年中，该领域引入了许多 NLP 任务，部分系统在英语语言数据集上取得了良好结果。文献中现有的基于 AI 的反错误信息方法建议将自动立场检测作为取得成功不可或缺的初步步骤。我们的论文旨在利用为英语取得的这一进展，将相关知识迁移到其他语言，但由于英语与目标语言之间的领域鸿沟，这是一项非平凡的任务。我们提出一种黑盒非侵入式方法，利用领域自适应（Domain Adaptation）中的技术，通过以有监督和无监督方式借助低质量数据，在无需目标语言任何人类专业知识的情况下缩减领域鸿沟。这使我们能够快速为祖鲁语（本工作中的目标语言）的立场检测取得与英语相类似的结果。我们还提供了一个祖鲁语立场检测数据集。我们的实验结果表明，通过借助英语数据集和机器翻译，我们可以提升在英语数据及其他语言上的性能。
引用
@article{arxiv.2205.03153,
title = {Bridging the Domain Gap for Stance Detection for the Zulu language},
author = {Gcinizwe Dlamini and Imad Eddine Ibrahim Bekkouch and Adil Khan and Leon Derczynski},
journal= {arXiv preprint arXiv:2205.03153},
year = {2022}
}
备注
accepted to Intellisys