重新思考立场检测：一个基于理论指导的语言模型用户级推理研究议程
计算与语言
2025-02-05 v1
摘要
立场检测已成为自然语言处理研究中的一项流行任务，这在很大程度上得益于大量特定目标的社交媒体数据。尽管在立场检测模型、数据集和应用方面已有大量研究，但我们指出了两个重要的空白：（i）缺乏对立场理论概念化的探讨，以及（ii）在个体或用户层面而非消息层面处理立场。在本文中，我们首先回顾了立场作为个体层面构念的跨学科起源，以突出可能有助于融入立场检测模型的相关属性（例如，心理特征）。此外，我们认为，最近的预训练模型和大型语言模型（LLM）可能提供一种灵活推断此类用户级属性和/或将其融入立场建模的方法。为了更好地说明这一点，我们简要回顾并综合了关于使用LLM推断立场，特别是关于在此类任务中融入用户属性的新兴研究。最后，我们提出了一个四点议程，以推进具有理论依据、包容性和实际影响力的立场检测研究。
引用
@article{arxiv.2502.02074,
title = {Rethinking stance detection: A theoretically-informed research agenda for user-level inference using language models},
author = {Prasanta Bhattacharya and Hong Zhang and Yiming Cao and Wei Gao and Brandon Siyuan Loh and Joseph J. P. Simons and Liang Ze Wong},
journal= {arXiv preprint arXiv:2502.02074},
year = {2025}
}