DESYR：基于定义与句法表征的网页主张检测
计算与语言
2021-08-20 v1
摘要
主张的界定处于论证挖掘的核心。由于二者之间潜在的语言差异以及基于广泛定义的形式化之不足，对人类和机器而言区分主张与非主张都十分困难。此外，在线社交媒体使用的增加导致网络上以非正式文本形式呈现的未经请求的信息激增。鉴于上述情况，本文提出 DESYR。它是一个旨在通过结合层次化表征学习（依赖启发的 Poincare 嵌入）、基于定义的对齐以及特征投影，来消除上述面向非正式网络文本问题的框架。我们弃用计算密集型的语言模型微调，转而构建一种更以领域为中心但更轻量的方法。实验结果表明，DESYR 在四个基准主张数据集上超越了最先进（state-of-the-art, SOTA）系统，其中多数由非正式文本构建。我们在 LESA-Twitter 数据集上看到 claim-F1 提升 3 点，在 Online Comments(OC) 数据集上 claim-F1 提升 1 点、macro-F1 提升 9 点，在 Web Discourse(WD) 数据集上 claim-F1 提升 24 点、macro-F1 提升 17 点，在 Micro Texts(MT) 数据集上 claim-F1 提升 8 点、macro-F1 提升 5 点。我们还对结果进行了广泛分析。我们发布了 100 维预训练版本的 Poincare 变体及源代码。
引用
@article{arxiv.2108.08759,
title = {DESYR: Definition and Syntactic Representation Based Claim Detection on the Web},
author = {Megha Sundriyal and Parantak Singh and Md Shad Akhtar and Shubhashis Sengupta and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:2108.08759},
year = {2021}
}
备注
10 pages, Accepted at CIKM 2021