CoSD：基于对比异构主题图学习的协同立场检测
机器学习
2024-06-21 v2 人工智能
计算与语言
摘要
立场检测旨在识别个体对给定目标或争议话题支持或反对的观点。当前先进的立场检测神经模型通常采用全参数化 softmax 分类器。然而，这些方法存在若干局限性，包括缺乏可解释性、对潜在数据结构不敏感以及单峰性，这极大限制了其性能与应用。为了应对这些挑战，我们提出了一种名为 CoSD 的新型协同立场检测框架，该框架利用对比异构主题图学习来学习文本、主题和立场标签之间的主题感知语义和协同信号，以增强立场检测。在训练期间，我们通过采用潜在狄利克雷分配构建异构图，以通过隐式主题在结构上组织文本和立场。然后，我们执行对比图学习以学习异构节点表示，并通过精心设计的协同传播聚合（CPA）模块聚合信息丰富的多跳协同信号。在推理期间，我们引入了混合相似度评分模块，以全面整合主题感知语义和协同信号进行立场检测。在两个基准数据集上的大量实验证明了 CoSD 的 SOTA 检测性能，验证了我们协同框架的有效性和可解释性。
引用
@article{arxiv.2404.17609,
title = {CoSD: Collaborative Stance Detection with Contrastive Heterogeneous Topic Graph Learning},
author = {Yinghan Cheng and Qi Zhang and Chongyang Shi and Liang Xiao and Shufeng Hao and Liang Hu},
journal= {arXiv preprint arXiv:2404.17609},
year = {2024}
}
备注
13 pages