基于 LSTM 网络的用户生成文本中隐含维度识别
计算与语言
2019-02-19 v2
摘要
在在线叙事过程中，个体用户创建和消费高度多样化的内容，其中包含大量隐含信念和未明确表达的叙事。手动检测这些作者的隐含信念、意图和道德基础是困难的。我们研究并探讨了两个不同的任务，每个任务都反映了检测可能基于作者道德基础的隐含用户知识、意图或信念的难度：1）新闻文章中的政治视角检测；2）社区问答（CQA）档案中信息型与对话型问题的识别。在两项任务中，我们首先描述了新的有趣标注数据集并公开提供这些数据集。其次，我们比较了多种分类算法，并展示了它们在两项任务上性能的差异。第三，在政治视角检测任务中，我们利用地方媒体的叙事表征语言来识别据称中立的美国与英国媒体之间的视角差异。
引用
@article{arxiv.1901.09219,
title = {Implicit Dimension Identification in User-Generated Text with LSTM Networks},
author = {Victor Makarenkov and Ido Guy and Niva Hazon and Tamar Meisels and Bracha Shapira and Lior Rokach},
journal= {arXiv preprint arXiv:1901.09219},
year = {2019}
}