利用 Mformer 度量社交媒体中的道德维度

当代社会议题不断增长的文本记录常在线上以道德修辞进行讨论，这为研究现实生活中的道德关切如何被辩论既带来了机遇也带来了挑战。道德基础理论是一种直觉分类法，广泛用于在线内容的数据驱动分析，但当前用于检测道德基础的计算工具受其词典的不完备性和脆弱性以及跨数据域泛化能力差的影响。在本文中，我们基于涵盖新闻媒体及长、短形式在线讨论的数据集微调了一个大语言模型以度量文本中的道德基础。所得模型称为 Mformer，在同一数据域上以 AUC 计优于现有方法 4–12%，并进一步很好地泛化到四个常用道德文本数据集，AUC 提升高达 17%。我们给出了使用 Mformer 分析 Reddit 上日常道德困境和 Twitter 上争议事件的案例研究，表明道德基础能有意义地描述人们对社会议题的立场，且此类差异依赖于主题。预训练模型与数据集已公开发布。我们假定 Mformer 将帮助研究界为一系列任务和数据域量化道德维度，并最终增进对人类与机器所面临道德情境的理解。