零样本对话立场检测：数据集与方法
计算与语言
2025-06-24 v1 机器学习
摘要
立场检测旨在利用社交媒体数据识别公众对特定目标的意见，是一项重要且具有挑战性的任务。随着社交媒体用户之间在线辩论的增加，对话立场检测已成为一个关键的研究领域。然而，现有的对话立场检测数据集仅限于有限的特定目标集，这限制了立场检测模型在现实应用中遇到大量未见目标时的有效性。为了弥合这一差距，我们手动构建了一个大规模、高质量的零样本对话立场检测数据集，命名为 ZS-CSD，包含跨越两种不同目标类型的 280 个目标。利用 ZS-CSD 数据集，我们提出了 SITPCL，一个说话人交互与目标感知的原型对比学习模型，并在零样本设置下建立了基准性能。实验结果表明，我们提出的 SITPCL 模型在零样本对话立场检测中达到了最先进的性能。值得注意的是，SITPCL 模型仅获得了 43.81% 的 F1-macro 分数，突显了零样本对话立场检测中持续存在的挑战。
引用
@article{arxiv.2506.17693,
title = {Zero-Shot Conversational Stance Detection: Dataset and Approaches},
author = {Yuzhe Ding and Kang He and Bobo Li and Li Zheng and Haijun He and Fei Li and Chong Teng and Donghong Ji},
journal= {arXiv preprint arXiv:2506.17693},
year = {2025}
}
备注
ACL 2025 (Findings)