当代议题的立场预测：数据与实验
计算与语言
2020-06-02 v1 机器学习
摘要
我们研究预训练双向 Transformer 结合情感与情绪信息是否能改进长篇幅当代议题讨论中的立场检测。作为该工作的一部分，我们创建了一个新颖的立场检测数据集，涵盖 419 个不同争议性议题及其由 procon.org 以无党派格式收集的赞成与反对观点。实验结果表明，带有情感或情绪信息的浅层循环神经网络可比参数量少 20 倍的微调 BERT 取得有竞争力的结果。我们还使用一种简单方法解释哪些输入短语对立场检测有贡献。
引用
@article{arxiv.2006.00052,
title = {Stance Prediction for Contemporary Issues: Data and Experiments},
author = {Marjan Hosseinia and Eduard Dragut and Arjun Mukherjee},
journal= {arXiv preprint arXiv:2006.00052},
year = {2020}
}