利用情感词典特征改进论证性立场分类在争议话题中的表现
计算与语言
2026-02-27 v1
摘要
论证矿伴随若干子任务，其中之一是立场分类，聚焦于识别论证性文本表达的立场，针对特定目标话题。虽然论证——尤其是关于争议话题的论证——常常诉诸情感，但大多数先前工作尚未系统性地整合显式、细粒度的情感分析以提高此任务的性能。特别是，先前的立场分类研究主要利用非论证性文本，局限于特定领域或话题，限制了可推广性。我们工作于来自多样领域的五个数据集中，涵盖广泛的争议话题，并提出一种方法，通过 DistilBERT 嵌入扩展偏差校正后的 NRC 情感词典，将其输入到神经网络论证立场分类模型中。该方法通过上下文化嵌入系统性地扩展情感词典，以识别未先前被捕获的情感驱动术语。我们的扩展后的 NRC 词典（eNRC）在所有五个数据集上均优于基线（F1 分数提升最高可达6.2个百分点），在四个数据集上优于原始 NRC（提升最高可达3.0个百分点），并在 nearly all语料库上超过基于大语言模型的方法。我们提供所有资源——包括 eNRC、适配后的数据集和模型架构——以便其他研究人员延续我们的工作。
关键词
引用
@article{arxiv.2602.22846,
title = {Improving Neural Argumentative Stance Classification in Controversial Topics with Emotion-Lexicon Features},
author = {Mohammad Yeghaneh Abkenar and Weixing Wang and Manfred Stede and Davide Picca and Mark A. Finlayson and Panagiotis Ioannidis},
journal= {arXiv preprint arXiv:2602.22846},
year = {2026}
}