权力网络：一种预测权力关系的新型神经架构
计算与语言
2018-07-18 v1
摘要
语言分析能否揭示交互参与者之间潜在的社交权力关系？NLP 领域的先前工作在此方向上显示出前景，但利用对社交交互的 NLP 分析自动预测权力关系的性能仍不尽如人意。本文提出一种新颖的神经架构，其捕获单封邮件中权力的表征，随后以保序方式聚合，以推断邮件线程中成对参与者之间的权力方向。我们在该任务上获得了 80.4% 的准确率，较最先进（SOTA）方法提升 10.1%。我们进一步将模型应用于基于个体间交换的全部消息集合预测个体间权力关系的任务；在此任务上，我们的模型也显著优于使用先前最先进技术的 70.0% 准确率，取得了 83.0% 的准确率。
引用
@article{arxiv.1807.06557,
title = {Power Networks: A Novel Neural Architecture to Predict Power Relations},
author = {Michelle Lam and Catherina Xu and Angela Kong and Vinodkumar Prabhakaran},
journal= {arXiv preprint arXiv:1807.06557},
year = {2018}
}
备注
Accepted by SIGHUM, an ACL Special Interest Group on Language Technologies for the Socio-Economic Sciences and Humanities