从立场到关切：命题分析向新任务与领域的适配
计算与语言
2022-03-22 v1 人工智能
摘要
我们提出了一种将命题分析（谓词-论元对）适配到新任务与领域的通用范式。我们利用立场（信念驱动的 sentiment）与关切（具有道德维度/认可度的 topical 议题）之间的类比来产生解释性表示。一项关键贡献是将用于抽取领域依赖关切类型（每领域需 2-4 小时人工）的半自动资源构建，与完全自动的领域无关道德维度及认可值抽取过程相结合。审慎地（自动）从命题结构中选取术语进行词汇扩展（通过语义相似度），在强基线词典之外生成了三个粒度层次的新的道德维度词典。我们基于专家标注者建立了真值（GT），并将关切检测结果与 GT 比较，相较基线召回率提升 231%，精度仅损失 10%。F1 较基线提升 66%，达到人工性能的 97.8%。我们的基于词汇的方法相比耗费昂贵人工与模型构建的方法大幅节省成本。我们向社区提供了新扩展的道德维度/价值词典、标注指南与 GT。
引用
@article{arxiv.2203.10659,
title = {From Stance to Concern: Adaptation of Propositional Analysis to New Tasks and Domains},
author = {Brodie Mather and Bonnie J Dorr and Adam Dalton and William de Beaumont and Owen Rambow and Sonja M. Schmer-Galunder},
journal= {arXiv preprint arXiv:2203.10659},
year = {2022}
}
备注
Accepted to Findings of the Association for Computational Linguistics, 2022