鲁棒立场检测：理解社交媒体中的公众认知
计算与语言
2024-07-03 v2 社会与信息网络
摘要
社交媒体数据的丰富为准确判定公众及特定群体围绕政策提案或争议性话题的立场提供了机遇。与侧重于识别主流情绪的情感分析不同，立场检测识别相对于明确定义话题的精确立场（即支持、反对、中立），例如对 COVID-19 大流行期间特定全球卫生干预措施的认知。传统立场检测模型虽在其特定领域（如 COVID-19 期间对口罩协议的态度的）有效，但因数据分布变化，应用于新领域与话题时性能常滞后。领域特定的标注数据集稀缺且创建昂贵费力，更加剧了此局限。本文提出的解决方案结合反事实数据增强与对比学习，以增强跨领域及关注话题的立场检测鲁棒性。我们评估了当前最先进立场检测模型（包括提示优化的语言模型）相对于我们提出的简称为 STANCE-C3（通过对比学习与反事实生成的领域自适应跨目标立场检测）框架的性能。实证评估表明，STANCE-C3 在跨领域与不同焦点话题的准确率上较基线模型有持续提升。尽管生成式 AI 等通用模型日益普及，STANCE-C3 等专业模型在安全关键领域具有价值，其中精度备受重视，尤其当细致理解不同人群关切可助于制定更具影响力的公共政策时。
引用
@article{arxiv.2309.15176,
title = {Robust Stance Detection: Understanding Public Perceptions in Social Media},
author = {Nayoung Kim and David Mosallanezhad and Lu Cheng and Michelle V. Mancenido and Huan Liu},
journal= {arXiv preprint arXiv:2309.15176},
year = {2024}
}