面向低资源立场检测的协同知识注入

立场检测是给定上下文（如推文、商业评论）对特定目标的观点倾向。通常需要与目标相关的知识来辅助立场检测模型更好地理解目标并做出正确检测。然而，现有的知识注入立场检测工作主要从单一来源获取目标知识，缺乏在有限领域知识内的知识验证。低资源训练数据进一步增加了数据驱动大模型在此任务上的挑战。为了应对这些挑战，我们提出了一种面向低资源立场检测任务的协同知识注入方法，结合了对齐知识增强和高效参数学习技术。具体而言，我们的立场检测方法借助知识对齐，从不同知识源协同利用目标背景知识。此外，我们还引入了参数高效的协同适配器与分阶段优化算法，从网络结构和学习视角协同应对低资源立场检测任务带来的挑战。为了评估我们方法的有效性，我们在三个公开的立场检测数据集上进行了大量实验，包括低资源和跨目标设置。结果表明，与现有的立场检测方法相比，性能有显著提升。