通过对抗语言适应的零样本跨语言立场检测
计算与语言
2024-04-23 v1
摘要
立场检测已被广泛研究作为确定社交媒体帖子是否对特定问题（如对疫苗支持）持有积极、消极或中立态度的任务。然而，立场检测研究通常仅限于单一语言，或在多语言研究中仅关注少数样本场景，忽略了开发零样本跨语言立场检测模型的挑战。本文首次提出此类工作，引入一种新方法用于零样本跨语言立场检测，称为多语言翻译增强BERT（Multilingual Translation-Augmented BERT, MTAB），旨在无需针对目标语言的显式训练数据来提高跨语言分类器的性能。我们的技术采用翻译增强以提高零样本性能，并与对抗学习结合以进一步提升模型效果。我们在四个语言（英语、德语、法语、意大利语）上标注疫苗立场的数据集进行实验。我们展示了所提出方法的有效性，与强基线模型以及我们模型的剔除版本相比，结果显著改善。我们的实验表明，模型组件（包括翻译增强数据和对抗学习组件）对模型性能提升至关重要。我们已在GitHub上公开源代码。
引用
@article{arxiv.2404.14339,
title = {Zero-shot Cross-lingual Stance Detection via Adversarial Language Adaptation},
author = {Bharathi A and Arkaitz Zubiaga},
journal= {arXiv preprint arXiv:2404.14339},
year = {2024}
}