SocialPET：用于社交媒体少样本立场检测的社会感知模式利用训练
计算与语言
2024-03-11 v1 社会与信息网络
摘要
立场检测是将社交媒体帖子对某一目标的观点确定为“支持”或“反对”的任务，在针对特定目标标注数据有限的具有挑战性但现实的场景中，该任务尚未得到充分研究。我们的工作通过引入 SocialPET 推进了少样本立场检测的研究，这是一种利用语言模型执行该任务的社会感知方法。我们提出的方法建立在模式利用训练 (Pattern Exploiting Training, PET) 技术之上，该技术利用语言模型将分类任务转化为完形填空问题。为了增强该方法的社会意识，我们利用了围绕社交媒体帖子的社交网络结构。我们在两个立场数据集 Multi-target 和 P-Stance 上证明了 SocialPET 的有效性，其表现优于具有竞争力的立场检测模型以及基础模型 PET，即使在研究目标的标注实例少至 100 个的情况下也是如此。深入分析结果时，我们观察到 SocialPET 在识别“反对”类实例方面相对较强，而基线模型在此方面表现不佳。
引用
@article{arxiv.2403.05216,
title = {SocialPET: Socially Informed Pattern Exploiting Training for Few-Shot Stance Detection in Social Media},
author = {Parisa Jamadi Khiabani and Arkaitz Zubiaga},
journal= {arXiv preprint arXiv:2403.05216},
year = {2024}
}