面向Twitter的话题立场检测：一种使用注意力的两阶段LSTM模型
计算与语言
2018-01-10 v1 信息检索
社会与信息网络
摘要
话题立场检测问题旨在检测文本相对于给定话题的立场：给定文本内容的情感是支持（正面）、反对（负面）还是无立场（中性）。利用注意力概念，我们开发了一种两阶段解决方案。在第一阶段，我们分类主观性——给定推文相对于给定话题是中性还是主观。在第二阶段，我们分类主观推文的情感（忽略中性推文）——给定主观推文对话题是支持还是反对立场。我们为每个阶段提出一个基于长短期记忆（LSTM）的深度神经网络，并在每个阶段嵌入注意力。在SemEval 2016立场检测Twitter任务数据集上，我们取得了68.84%的最佳宏F分数和60.2%的最佳准确率，优于现有的基于深度学习的解决方案。我们的框架T-PAN是话题立场检测文献中首个在两阶段架构内使用深度学习的框架。
引用
@article{arxiv.1801.03032,
title = {Topical Stance Detection for Twitter: A Two-Phase LSTM Model Using Attention},
author = {Kuntal Dey and Ritvik Shrivastava and Saroj Kaushik},
journal= {arXiv preprint arXiv:1801.03032},
year = {2018}
}
备注
Accepted at the 40th European Conference on Information Retrieval (ECIR), 2018