面向用户的对话立场检测：PRISM 人格-理由多模态框架
计算与语言
2026-03-11 v2
摘要
多模态社交媒体内容的快速传播推动了多模态对话立场检测（MCSD）的研究，旨在解释用户对特定目标在复杂讨论中的态度。然而，现有研究受限于：**1）伪多模态**，即视觉线索仅出现在源帖子中，而评论被视为文本唯一输入，与现实中的多模态交互不符；以及**2）用户同质化**，即对多样化用户统一处理，忽略塑造立场表达的个人特征。为此，我们引入**U-MStance**，首个面向用户的MCSD数据集，包含超过4万个跨六个真实目标标注的评论。我们进一步提出**PRISM**（Person-Reasoned multimodal Stance Model），用于MCSD。PRISM首先从历史帖子和评论中推断用户人格特征，以捕捉个体特征，然后通过链式思考将文本和视觉线索在对话上下文中对齐，以弥合跨模态的语义和实践差距。最后，采用互动任务强化机制，用于联合优化立场检测和立场感知响应生成，以实现双向知识传递。在U-MStance数据集上的实验表明，PRISM相对于强基线显著提升，凸显了面向用户和以情境为基础的多模态推理在实现真实立场理解方面的有效性。
引用
@article{arxiv.2511.12130,
title = {PRISM of Opinions: A Persona-Reasoned Multimodal Framework for User-centric Conversational Stance Detection},
author = {Bingbing Wang and Zhixin Bai and Zhengda Jin and Zihan Wang and Xintong Song and Jingjie Lin and Sixuan Li and Jing Li and Ruifeng Xu},
journal= {arXiv preprint arXiv:2511.12130},
year = {2026}
}