基于对比学习跨域特征增强的零样本立场检测
计算与语言
2022-10-10 v1 人工智能
摘要
零样本立场检测具有挑战性，因为它要求在推理阶段检测先前未见目标的立场。学习可迁移的目标不变特征的能力对零样本立场检测至关重要。在本工作中，我们提出了一种能有效适应未见目标的立场检测方法，其核心是捕获目标不变的句法表达模式作为可迁移知识。具体而言，我们首先通过掩码句子的主题词来增强数据，然后将增强后的数据输入无监督对比学习模块以捕获可迁移特征。接着，为适配特定目标，我们将原始文本编码为目标特定特征。最后，我们采用注意力机制，将句法表达模式与目标特定特征结合，获得用于预测先前未见目标的增强特征。实验表明，我们的模型在四个基准数据集上优于具有竞争力的基线。
引用
@article{arxiv.2210.03380,
title = {Zero-shot stance detection based on cross-domain feature enhancement by contrastive learning},
author = {Xuechen Zhao and Jiaying Zou and Zhong Zhang and Feng Xie and Bin Zhou and Lei Tian},
journal= {arXiv preprint arXiv:2210.03380},
year = {2022}
}