基于双向条件编码的立场检测
计算与语言
2016-09-28 v2 机器学习
神经与进化计算
摘要
立场检测是将文本中表达的对某目标（如 Hillary Clinton）的态度分类为“正面”、“负面”或“中立”的任务。先前的工作假设目标在文本中被提及，或者每个目标都有给定的训练数据。本文考虑了该任务更具挑战性的版本，即目标并不总是被提及，且测试目标没有可用的训练数据。我们实验了条件 LSTM 编码，它构建了依赖于目标的推文表示，并证明其优于独立编码推文和目标的方式。当条件模型通过双向编码进行增强时，性能得到进一步提升。我们在 SemEval 2016 Task 6 Twitter Stance Detection 语料库上评估了我们的方法，其性能仅次于针对测试目标使用半自动标注推文训练的系统。当加入这种弱监督时，我们的方法取得了 SOTA 结果。
关键词
引用
@article{arxiv.1606.05464,
title = {Stance Detection with Bidirectional Conditional Encoding},
author = {Isabelle Augenstein and Tim Rocktäschel and Andreas Vlachos and Kalina Bontcheva},
journal= {arXiv preprint arXiv:1606.05464},
year = {2016}
}
备注
10 pages