语言模型学习元数据：政治立场检测案例研究
计算与语言
2024-09-24 v1
摘要
立场检测是一项关键的 NLP 任务，在社会科学中有着众多应用，从分析在线讨论到评估政治竞选。本文研究了将元数据纳入政治立场检测任务的最佳方式。我们证明了以往将元数据与基于语言的数据相结合进行政治立场检测的方法并未充分利用元数据信息；我们仅使用党派成员信息的简单基线模型，就超越了当前的最先进水平。随后我们表明，将元数据（例如，政党和政策）前置到政治演讲中表现最佳，优于所有基线模型，这表明复杂的元数据包含系统可能无法最优地学习该任务。
引用
@article{arxiv.2409.13756,
title = {Language Models Learn Metadata: Political Stance Detection Case Study},
author = {Stanley Cao and Felix Drinkall},
journal= {arXiv preprint arXiv:2409.13756},
year = {2024}
}