Chain of Stance：基于大语言模型的立场检测方法
计算与语言
2024-08-12 v1 人工智能
摘要
立场检测是自然语言处理（NLP）中的一个活跃任务，旨在识别文本中对特定目标的作者立场。鉴于大语言模型（LLM）在语言理解能力和百科式先验知识方面的卓越表现，如何探索 LLM 在立场检测中的潜力受到广泛关注。不同于现有基于 LLM 的方法仅通过大规模数据集进行微调，本文提出了一种新颖的提示方法，称为《链式立场》（Chain of Stance, CoS）。具体而言，该方法将 LLM 定位为专家立场检测器，通过将立场检测过程分解为一系列中间的、与立场相关的断言，最终 culminate 在最终判断中。该方法显著提高了分类性能。我们在四个最先进 LLM 上进行了大量实验，使用 SemEval 2016 数据集，覆盖零样本和少样本学习场景。结果表明，所提方法在少样本设置下以 79.84 的 F1 分数取得最佳结果。
引用
@article{arxiv.2408.04649,
title = {Chain of Stance: Stance Detection with Large Language Models},
author = {Junxia Ma and Changjiang Wang and Hanwen Xing and Dongming Zhao and Yazhou Zhang},
journal= {arXiv preprint arXiv:2408.04649},
year = {2024}
}