使用 LLM 的上下文数据生成进行零样态立场检测
计算与语言
2024-05-21 v1
摘要
立场检测是对文本中表达的对特定话题的态度进行分类的任务，这对于假新闻检测和意见挖掘等应用至关重要。然而，标注数据的稀缺性仍是该任务的挑战。为此，我们提出了结合 Few-Shot Learning 和大型语言模型的动态模型适应方法（DyMoAdapt）。在这种方法中，我们旨在在测试时对现有模型进行微调。通过使用 GPT-3 生成新的主题特定数据来实现这一点。这一方法可以通过允许模型适应新话题来提高性能。然而，结果并未如我们所期望的那样提升。此外，我们引入了多生成主题 VAST（MGT-VAST）数据集，该数据集扩展了 VAST。在该数据集中，每个上下文与多个主题相关联，使模型能够理解上下文与各种潜在主题之间的关系。
引用
@article{arxiv.2405.11637,
title = {Zero-Shot Stance Detection using Contextual Data Generation with LLMs},
author = {Ghazaleh Mahmoudi and Babak Behkamkia and Sauleh Eetemadi},
journal= {arXiv preprint arXiv:2405.11637},
year = {2024}
}
备注
5 pages, AAAI-2024 Workshop on Public Sector LLMs