认知归纳推理：基于零样态立场检测的跨模态方法
计算与语言
2026-01-27 v3
摘要
零样态立场检测（ZSSD）旨在确定文本对先前未见目标的立场，此任务对于分析动态和 polarized 在线话语具有重要意义，尤其在标注数据有限的情况下。虽然大型语言模型（LLM）提供了零样态能力，但基于提示的做法在处理复杂推理和对新目标缺乏稳健泛化方面不足。另一方面，LLM增强的方法仍需要大量标注数据，且难以超越实例级别的模式，限制了其可解释性和适应性。受认知科学启发，我们提出了认知归纳推理框架（CIRF），一种以模式驱动的方法，通过自动归纳和应用认知推理模式，将语言输入与抽象推理相连。CIRF 以无监督方式从原始文本中抽象出一阶逻辑模式，构建多关系模式图，并利用模式增强图核模型将输入结构与模式模板对齐，以实现稳健、可解释的零样态推理。广泛的实验在 SemEval-2016、VAST 和 COVID-19-Stance 数据集上表明，CIRF 不仅建立了新的最佳结果，还在仅使用 30% 标注数据的情况下实现了与基准相当的性能，展示了其在低资源环境中的强大泛化性和效率。
引用
@article{arxiv.2506.13470,
title = {Induce, Align, Predict: Zero-Shot Stance Detection via Cognitive Inductive Reasoning},
author = {Bowen Zhang and Jun Ma and Fuqiang Niu and Li Dong and Jinzhou Cao and Genan Dai},
journal= {arXiv preprint arXiv:2506.13470},
year = {2026}
}
备注
Accepted at AAAI 2026