跨目标立场检测：技术、数据集与挑战综述
计算与语言
2024-09-23 v1 社会与信息网络
摘要
立场检测是确定文本中表达的观点所针对的给定目标的任务。该任务的一个特定方向聚焦于跨目标立场检测，即模型在针对某些特定目标的样本上训练后，应用到新的、未见过的目标上。随着日益增长的在线分析和挖掘观点与意见的需求，该任务近期日益受到关注。本综述论文考察了过去十年跨目标立场检测领域的进展，概述了从基本统计方法到当代神经网络和大语言模型方法的演进。这些进展在准确率和适应性方面带来了显著提升。创新方法包括用于零样本检测的主题分组注意力和对抗学习，以及增强模型鲁棒性的微调技术。此外，提示调优方法和外部知识的整合也进一步提升了模型性能。本文还提供了用于评估这些模型的数据集的全面概述，为该领域的进展与挑战提供了宝贵见解。我们通过概述该任务的新兴研究方向，并提出未来工作的 avenue，来总结本文。
引用
@article{arxiv.2409.13594,
title = {Cross-Target Stance Detection: A Survey of Techniques, Datasets, and Challenges},
author = {Parisa Jamadi Khiabani and Arkaitz Zubiaga},
journal= {arXiv preprint arXiv:2409.13594},
year = {2024}
}