利用立场层次结构进行网络文档的代价敏感立场检测

在打击假新闻的过程中，事实核查是一项关键挑战。识别与特定陈述（主张）一致或矛盾的文档是这一过程的核心任务。在此背景下，立场检测旨在识别文档相对于某一主张的立场（position）。大多数方法通过四类分类模型来解决该任务，而其中类别分布高度不平衡。因此，它们尤其在检测少数类（例如“反对”）方面效果不佳，尽管此类样本对于事实核查等任务至关重要，可为检测虚假主张提供证据。在本文中，我们利用立场类别的层次特性，提出一个级联二分类器的模块化流水线，从而能够在每一步和每个类别上进行调整。我们通过结合神经与传统分类模型来实现该方法，以凸显少数类的误分类代价。评估结果表明，我们的方法取得了最先进的性能，并能够显著提升重要“反对”类的分类表现。