在线极化辩论中的对比性理由检测与聚类
计算与语言
2019-08-05 v1 人工智能
信息检索
机器学习
社会与信息网络
摘要
本研究致力于解决从极化议题上的分歧观点中无监督地建模和提取主要对比性句子理由的问题。我们提出了一种以短语检测与聚类为核心的流水线方法，利用新颖的短语-作者交互主题-观点模型将短语同化为论元方面。评估基于所提取理由的信息量、相关性和聚类准确性。该流水线方法在在线辩论数据集上的对比性摘要任务中，相较现有最优方法展现出显著提升。
引用
@article{arxiv.1908.00648,
title = {Contrastive Reasons Detection and Clustering from Online Polarized Debate},
author = {Amine Trabelsi and Osmar R. Zaiane},
journal= {arXiv preprint arXiv:1908.00648},
year = {2019}
}
备注
Best paper award in CICLing 2019: International Conference on Computational Linguistics and Intelligent Text Processing