基于话题标签引导的低资源推文分类

社交媒体分类任务（如推文情感分析、推文立场检测）具有挑战性，因为社交媒体帖子通常简短、非正式且含混。因此，在推文上训练是困难的，并且需要大规模人工标注标签，而这类标签获取耗时且昂贵。在本文中，我们发现为社交媒体推文提供话题标签（hashtag）有助于缓解此问题，因为话题标签可从主题、情感、立场等多种信息方面丰富简短且含混的推文。这促使我们提出一种新颖的基于话题标签引导的推文分类模型（HashTation），该模型为输入推文自动生成有意义的话题标签，为推文分类提供有用的辅助信号。为生成高质量且具洞察力的话题标签，我们的话题标签生成模型检索并编码整个语料库中的帖子级与实体级信息。实验表明，HashTation 在七个低资源推文分类任务上取得显著提升，这些任务仅提供有限量的训练数据，说明用模型生成的话题标签自动丰富推文可显著降低对大规模人工标注数据的需求。进一步分析表明，HashTation 能够生成与推文及其标签一致的高质量话题标签。代码见 https://github.com/shizhediao/HashTation。