基于变分框架的解耦VAD表征用于政治立场检测
计算与语言
2025-02-27 v1
摘要
立场检测旨在对特定目标的立场进行分类。当前方法在有效整合情感信息方面存在挑战。此外，关于在立场检测中运用高细粒度情感标注的作用研究仍较不足。本研究提出一种新颖的立场检测框架，利用变分自编码器（VAE）从社交媒体上的政治话语中解耦潜在情感特征——价值、 arousal 和 dominance（VAD）。该方法针对当前方法在目标内及跨目标立场检测场景中的局限性进行了改进。本研究使用先进的情感标注工具，对P-STANCE数据集进行七类情感标签标注。实验结果表明，PoliStance-VAE在P-STANCE和SemEval-2016等基准数据集上实现了状态最佳性能，超越BERT、BERTweet和GPT-4o等模型。PoliStance-VAE提供了一种稳健且可解释的立场检测解决方案，证明了整合细粒度情感表征的有效性。该框架为自然语言处理任务的进一步发展奠定了基础，尤其是那些需要深入情感理解的任务。
引用
@article{arxiv.2502.19276,
title = {Disentangled VAD Representations via a Variational Framework for Political Stance Detection},
author = {Beiyu Xu and Zhiwei Liu and Sophia Ananiadou},
journal= {arXiv preprint arXiv:2502.19276},
year = {2025}
}