DimStance：用于维度化姿态分析的多语言数据集
计算与语言
2026-02-09 v2
摘要
姿态检测是已建立的任务，将作者对特定目标的态度分类为如赞同、中立和反对等类别。除了类别化姿态标签外，我们利用长期存在的情感科学框架，将姿态沿真实值维度（价值取向 negative-positive，唤醒取向 calm-active）进行建模。这种维度化方法捕捉姿态表达背后细微的情感状态，实现精细化的姿态分析。为此，我们引入 DimStance，这是首个带有价值-唤醒 (VA) 注释的数据资源。该资源包含 11,746 个目标方面，分布在 7,365 篇文本和五种语言（英语、德语、中文、尼日利亚皮钦语和斯瓦希利语）以及两个领域（政治和环境保护）中。为促进姿态 VA 预测的评估，我们构建维度化姿态回归任务，分析跨语言 VA 模式，并在回归和提示设置下对预训练模型和大型语言模型进行基准测试。结果表明，微调 LLM 回归器性能具有竞争力，低资源语言仍面临挑战，以及基于 token 的生成方式的局限性。DimStance 为多语言、情感感知的姿态分析和基准测试提供了基础。
引用
@article{arxiv.2601.21483,
title = {DimStance: Multilingual Datasets for Dimensional Stance Analysis},
author = {Jonas Becker and Liang-Chih Yu and Shamsuddeen Hassan Muhammad and Jan Philip Wahle and Terry Ruas and Idris Abdulmumin and Lung-Hao Lee and Nelson Odhiambo and Lilian Wanzare and Wen-Ni Liu and Tzu-Mi Lin and Zhe-Yu Xu and Ying-Lung Lin and Jin Wang and Maryam Ibrahim Mukhtar and Bela Gipp and Saif M. Mohammad},
journal= {arXiv preprint arXiv:2601.21483},
year = {2026}
}