MT2-CSD：面向对话立场检测的新数据集与多语义知识融合方法
计算与语言
2025-07-08 v2
摘要
在当代社交媒体领域，自动立场检测对意见挖掘至关重要，因为它综合并考察用户对争议性话题的观点，以揭示普遍的趋势与情绪。传统的立场检测研究通常针对单个实例，从而限制了其对真实社交媒体场景中典型的多方讨论的建模能力。这一缺陷主要源于缺乏真实捕捉社交媒体互动动态的数据集，阻碍了对话立场检测的发展。在本文中，我们引入了 MT2-CSD，一个用于多目标、多轮对话立场检测的综合数据集。据我们所知，MT2-CSD 是目前用于此目的的最大数据集，包含 24,457 个标注实例，并展现出最大的对话深度，从而为立场检测提出了新的挑战。为了应对这些挑战，我们提出了大语言模型增强的对话关系注意力网络（LLM-CRAN），利用 LLM 的推理能力来提高对话理解能力。我们进行了大量实验以评估 LLM-CRAN 在 MT2-CSD 数据集上的有效性。实验结果表明，LLM-CRAN 在对话立场检测任务中显著优于强基线模型。
引用
@article{arxiv.2506.21053,
title = {MT2-CSD: A New Dataset and Multi-Semantic Knowledge Fusion Method for Conversational Stance Detection},
author = {Fuqiang Niu and Genan Dai and Yisha Lu and Jiayu Liao and Xiang Li and Hu Huang and Bowen Zhang},
journal= {arXiv preprint arXiv:2506.21053},
year = {2025}
}