通过问卷项目链接丰富社会科学研究
数字图书馆
2024-12-23 v1 计算与语言
摘要
问卷中的问题（称为问卷项目）用于研究社会科学中潜在概念，如影响生活满意度的因素。研究人员通过释义化引用内容来使用其所使用的问卷项目，而非使用显式引用。这使得在比较相关工作时查找感兴趣的问卷项目变得具有挑战性。自动解析和将这些隐式提及链接到知识库中的问卷项目可提供更细粒度的引用。我们对这一任务（称为 Survey Item Linking, SIL）进行建模，分为两个阶段：提及检测和实体消解。由于该任务的定义不够精确，现有用于评估 SIL 性能的数据集规模小且质量较低。我们认为潜在概念和问卷项目提及应予以区分。为此，我们创建一个由 20,454 句英语和德语组成的高质量且丰富标注的数据集。通过对两个阶段分别进行顺序基准测试，我们展示了该任务是可行的，但注意到第一个阶段的错误会导致整体任务性能下降。此外，需要多个句子上下文的提及对于模型在第一个阶段的识别更具挑战性。对整个文档上下文进行建模并将两个阶段整合为端到端系统可在未来工作中缓解这些问题，错误还可以通过收集更具代表性的数据和改善知识库质量来进一步减少。该数据和代码均可在 https://github.com/e-tornike/SIL 获取。
引用
@article{arxiv.2412.15831,
title = {Enriching Social Science Research via Survey Item Linking},
author = {Tornike Tsereteli and Daniel Ruffinelli and Simone Paolo Ponzetto},
journal= {arXiv preprint arXiv:2412.15831},
year = {2024}
}