KUET at StanceNakba Shared Task: 用于立场检测的StanceMoE混合专家架构
计算与语言
2026-04-02 v1 人工智能
机器学习
摘要
演员级立场检测旨在确定作者对文中提及或暗示的特定地缘政治演员所表达的立场。尽管基于Transformer的模型在立场分类方面取得了相当好的性能，但它们通常依赖统一的表示，可能不足以捕捉诸如对比话语结构、框架线索和关键词汇等异构语言信号。这就催生了需要能够显式建模多样化立场表达模式的自适应架构的需求。本文提出StanceMoE，一个基于微调BERT编码器构建的上下文增强混合专家（MoE）架构，用于演员级立场检测。我们的模型集成了六个专门模块，旨在捕捉互补的语言信号，包括全局语义取向、关键词线索、子句级焦点、短语级模式、框架指示器以及由对比驱动的话语偏移。一个基于上下文的门控机制动态加权专家贡献，实现基于输入特征的自适应路由。实验在StanceNakba 2026子任务A数据集上进行，数据集包含1,401个标注的英文文本，其中目标演员在文本中是隐含的。StanceMoE实现了94.26%的宏平均F1分数，超越了传统基线和替代的BERT变体。
引用
@article{arxiv.2604.00878,
title = {KUET at StanceNakba Shared Task: StanceMoE: Mixture-of-Experts Architecture for Stance Detection},
author = {Abdullah Al Shafi and Md. Milon Islam and Sk. Imran Hossain and K. M. Azharul Hasan},
journal= {arXiv preprint arXiv:2604.00878},
year = {2026}
}
备注
Accepted for workshop proceedings of the 15th International Conference on Language Resources and Evaluation (LREC'26)