MOKA：面向道德事件抽取的道德知识增强
计算与语言
2024-05-24 v2
摘要
新闻媒体常力求在新闻文章中尽量减少显式道德语言，但多数文章通过所报道事件本身密集承载着道德价值。然而，参与实体与道德事件间复杂动态中所反映的价值，对多数 NLP 系统（包括 LLM）而言远更难检测。为研究此现象，我们标注了一个新数据集 MORAL EVENTS，包含来自政治光谱多元的美国媒体所产 474 篇新闻文章的 5,494 条结构化事件标注。我们进一步提出 MOKA，一种带道德知识增强（MOral Knowledge Augmentation）的道德事件抽取框架，其利用源自道德词与道德场景的知识来生成承载道德事件的结构化表示。实验表明，MOKA 在三项道德事件理解任务上优于竞争基线。进一步分析显示，即便表面无党派媒体也从事道德事件的选择性报道。我们的数据与代码库见 https://github.com/launchnlp/MOKA。
引用
@article{arxiv.2311.09733,
title = {MOKA: Moral Knowledge Augmentation for Moral Event Extraction},
author = {Xinliang Frederick Zhang and Winston Wu and Nick Beauchamp and Lu Wang},
journal= {arXiv preprint arXiv:2311.09733},
year = {2024}
}
备注
NAACL'24 Main Conference