Tribrid：基于神经不一致性检测的立场分类
计算与语言
2021-09-15 v1
摘要
我们研究在社交媒体上使用BERT等神经架构进行自动立场分类的问题。尽管这些架构取得了令人印象深刻的成果，其水平尚不能与人类相比，且可能产生对下游任务（例如事实核查）有显著影响的错误。为提升性能，我们提出一种新的神经架构，其输入还包含针对给定主张自动生成的否定视角。该模型被联合学习以同时进行多重预测，这些预测既可用于改进原始视角的分类，也可用于滤除可疑预测。在第一种情况下，我们提出一种弱监督方法将预测组合为最终预测。在第二种情况下，我们展示利用置信度分数移除可疑预测可使我们的方法在保留信息上达到类人性能，而这部分信息仍是原始输入中可观的部分。
引用
@article{arxiv.2109.06508,
title = {Tribrid: Stance Classification with Neural Inconsistency Detection},
author = {Song Yang and Jacopo Urbani},
journal= {arXiv preprint arXiv:2109.06508},
year = {2021}
}
备注
Accepted at EMNLP 2021