基于知识图谱增强的生成式实体到实体立场检测
计算与语言
2022-11-04 v1
摘要
立场检测通常被框定为预测给定文本中对目标实体的情感。然而，这种设定忽略了源实体（即表达观点者）的重要性。在本文中，我们强调在推断立场时需要研究实体间的交互。我们首先引入一项新任务——实体到实体（E2E）立场检测，它促使模型以规范名称识别实体并联合辨别立场。为支持该研究，我们整理了一个新数据集，包含来自不同意识形态倾向新闻文章的句级标注 10,619 条。我们提出了一种新颖的生成式框架，可生成实体的规范名称及其间的立场。我们进一步用图编码器增强模型，以概括实体活动及实体周围的外部知识。实验表明，我们的模型大幅优于强基线。进一步分析展示了 E2E 立场检测对于理解媒体引述与立场格局以及推断实体意识形态的用处。
引用
@article{arxiv.2211.01467,
title = {Generative Entity-to-Entity Stance Detection with Knowledge Graph Augmentation},
author = {Xinliang Frederick Zhang and Nick Beauchamp and Lu Wang},
journal= {arXiv preprint arXiv:2211.01467},
year = {2022}
}
备注
EMNLP'22 Main Conference