观点本可变：时态自适应立场分类
计算与语言
2021-08-31 v1
摘要
鉴于社交媒体及人们观点的快速演变，词语用法随时间发生变化。因此，在旧文本数据上训练的分类器在测试较新数据时性能可能急剧下降。尽管近年来立场分类研究已取得进展，但尚未有工作致力于使这些分类器随时间保持持久性能。为研究该现象，我们引入两个新颖的大规模纵向立场数据集。随后我们评估了立场分类器随时间的性能持久性，并展示了其如何随着训练与测试数据间时间差距的扩大而衰减。我们提出一种缓解此性能下降的新方法，该方法基于对用于训练立场分类器的词嵌入进行时态自适应。这使我们能够利用当前时段易得的未标注数据，而无需昂贵的标注工作。我们提出并比较了若干嵌入自适应方法，发现增量时态对齐（Incremental Temporal Alignment, ITA）模型在减小随时间性能下降方面取得最佳结果。
引用
@article{arxiv.2108.12476,
title = {Opinions are Made to be Changed: Temporally Adaptive Stance Classification},
author = {Rabab Alkhalifa and Elena Kochkina and Arkaitz Zubiaga},
journal= {arXiv preprint arXiv:2108.12476},
year = {2021}
}