通过深入对话线程改进社交媒体平台上的目标特定立场检测
计算与语言
2022-11-08 v1 社会与信息网络
摘要
社交媒体上的目标特定立场检测旨在将帖子或评论等文本数据实例分类到目标议题的立场类别中，已成为一种重要的新兴意见挖掘范式。一个应用实例是在抗击冠状病毒大流行中克服疫苗犹豫。然而，现有的立场检测策略仅依赖于单个实例，无法始终捕捉针对给定目标所表达的立场。为此，我们提出一项称为对话立场检测的新任务，即在给定数据实例及其对应对话线程时，推断对给定目标（如 COVID-19 疫苗接种）的立场。为应对该任务，我们首先基于香港六个主要社交媒体平台提出了一个带有立场标注及实例间对话线程结构的基准对话立场检测（CSD）数据集。为从数据实例和对话线程中推断所需立场，我们提出了一种称为 Branch-BERT 的模型，该模型融合了对话线程中的上下文信息。在我们的 CSD 数据集上的大量实验表明，所提模型优于所有未利用上下文信息的基线模型。具体而言，与 SemEval-2016 Task 6 竞赛中的 SOTA 方法相比，其 F1 分数提高了 10.3%。这显示了在社交媒体平台上检测目标特定立场时融入丰富上下文信息的潜力，并暗示了构建未来立场检测任务的更实用方式。
引用
@article{arxiv.2211.03061,
title = {Improved Target-specific Stance Detection on Social Media Platforms by Delving into Conversation Threads},
author = {Yupeng Li and Haorui He and Shaonan Wang and Francis C. M. Lau and Yunya Song},
journal= {arXiv preprint arXiv:2211.03061},
year = {2022}
}