通过概念流编码层次化模式用于多维度意识形态检测
计算与语言
2024-05-30 v1
摘要
多维度意识形态检测（Multifaceted Ideology Detection, MID）旨在检测文本对多个维度的意识形态倾向。以往的意识形态检测研究主要聚焦于单一通用维度，忽略了意识形态的标签语义和解释性描述，这些信息具有指导性并揭示了意识形态的具体概念。本文开发了一种新型概念语义增强框架，用于MID任务。具体而言，我们提出了一种双向迭代概念流（Bidirectional Iterative Concept Flow, BICo）方法，用于编码多维度意识形态。BICo使概念能够在模式树的不同层级之间流动，并通过多粒度语义丰富概念表征。此外，我们探索了概念注意力匹配和概念引导的对比学习策略，以引导模型捕获所学习概念语义下的意识形态特征。大量实验表明，我们的方法在MID任务上实现了状态最佳性能，包括在跨主题场景下。
引用
@article{arxiv.2405.18974,
title = {Encoding Hierarchical Schema via Concept Flow for Multifaceted Ideology Detection},
author = {Songtao Liu and Bang Wang and Wei Xiang and Han Xu and Minghua Xu},
journal= {arXiv preprint arXiv:2405.18974},
year = {2024}
}
备注
13pages, 4 figures (Accepted to Findings of ACL 2024)