-
题名基于无监督分类差异的零样本立场检测模型
- 1
-
-
作者
张浩
张绍武
杨亮
卢俊宇
林鸿飞
徐博
-
机构
大连理工大学计算机学院
-
出处
《中文信息学报》
北大核心
2025年第5期22-30,共9页
-
基金
国家社会科学基金(21BXW047)。
-
文摘
立场检测旨在从文本中挖掘出用户对某一话题的立场态度。为了减少标注的成本,研究者们引入零样本学习进行立场检测,利用有标签的旧话题数据训练模型,并在新话题数据上评估模型的性能。然而,现有的方法没有为新数据训练特定的决策边界,导致模型的泛化性有限。鉴于此,该文提出了一种基于无监督分类差异的零样本立场检测模型,先进行话题的对抗判别训练,然后使用多个立场分类器从不同的视角对新话题数据进行分类,最后通过缩小分类器之间的输出差异,确立特定于新话题的决策边界。实验结果表明,该模型利用较少的计算成本取得了最优的效果,相比于TOAD等强基线模型,在五个话题的中文数据集上F1值平均提高了2.58%。
-
关键词
零样本立场检测
无监督分类差异
决策边界
-
Keywords
zero-shot stance detetction
unsupervised classification discrepancy
decision boundary
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
