MoralStrength：利用道德词典与嵌入相似度进行道德基础预测
计算与语言
2019-11-11 v2 计算机与社会
摘要
道德修辞在我们感知和解读所接收信息的过程中起着基础性作用，极大影响我们的决策过程。尤其在涉及争议性社会与政治议题时，我们的观点与态度几乎从不仅仅基于证据。道德基础词典（Moral Foundations Dictionary, MFD）被开发出来以在文本中操作化道德价值。在本研究中，我们提出 MoralStrength，一个约 1,000 个词元的词典，作为基于 WordNet 同义词集对道德基础词典的扩展而获得。此外，对于每个词元，它提供了众包的数值化道德效价评估，指示该词元表达特定价值的强度。我们评估了该道德词典的预测潜力，定义了三种复杂度递增的利用方法，从词元的统计属性到基于语义相似度的词嵌入深度学习方法。在由 MoralStrength 提取的特征上训练的逻辑回归模型，显著优于当前最先进水平（SOTA），在先前 62.4% 的基础上达到 87.6% 的 F1 分数（p-value<0.01），并在六个不同数据集上取得 86.25% 的平均 F1 分数。这些发现为进一步研究铺平了道路，使得对广泛社会议题文本中道德叙事的深入理解成为可能。
引用
@article{arxiv.1904.08314,
title = {MoralStrength: Exploiting a Moral Lexicon and Embedding Similarity for Moral Foundations Prediction},
author = {Oscar Araque and Lorenzo Gatti and Kyriaki Kalimeri},
journal= {arXiv preprint arXiv:1904.08314},
year = {2019}
}