TATA：基于主题无关与主题感知嵌入的立场检测
计算与语言
2024-02-09 v3 计算机与社会
机器学习
摘要
立场检测对于理解互联网上不同的态度与信念十分重要。然而，鉴于一段文本对给定主题的立场往往高度依赖于该主题，构建一个能泛化到未知主题的立场检测模型是困难的。在本工作中，我们提出使用对比学习以及一个涵盖多种不同主题的新闻文章无标签数据集，来训练用于下游立场检测的主题无关（TAG）与主题感知（TAW）嵌入。在我们的完整 TATA 模型中结合这些嵌入，我们在多个公开立场检测数据集上取得了最先进的性能（在 Zero-shot VAST 数据集上为 0.771 的 分数）。我们在 https://github.com/hanshanley/tata 发布了代码与数据。
引用
@article{arxiv.2310.14450,
title = {TATA: Stance Detection via Topic-Agnostic and Topic-Aware Embeddings},
author = {Hans W. A. Hanley and Zakir Durumeric},
journal= {arXiv preprint arXiv:2310.14450},
year = {2024}
}
备注
Accepted to EMNLP 2023; Updated citations