网络与社交媒体中的立场检测：一项比较研究
计算与语言
2020-07-14 v1 机器学习
摘要
在线论坛和社交媒体平台越来越多地被用于讨论具有不同极性的话题，不同的人持有不同的立场。文献中已经提出了多种从文本中进行自动立场检测的方法。据我们所知，目前尚未对这些方法的可复现性及其比较性能进行过系统性研究。在这项工作中，我们探讨了多种现有立场检测模型的可复现性，包括神经模型和基于经典分类器的模型。通过在两个数据集——(i) 流行的 SemEval 微博客数据集，以及 (ii) 一组与健康相关的在线新闻文章——上的实验，我们还对各种方法进行了详细的比较分析，并探讨了它们的不足之处。本文讨论的所有算法的实现可在 https://github.com/prajwal1210/Stance-Detection-in-Web-and-Social-Media 获取。
引用
@article{arxiv.2007.05976,
title = {Stance Detection in Web and Social Media: A Comparative Study},
author = {Shalmoli Ghosh and Prajwal Singhania and Siddharth Singh and Koustav Rudra and Saptarshi Ghosh},
journal= {arXiv preprint arXiv:2007.05976},
year = {2020}
}