Core Concepts
本研究は、テキスト、トピック、スタンスラベル間のコラボレーティブ信号を活用することで、スタンス検出の性能を向上させる新しい手法を提案する。
Abstract
本研究は、スタンス検出のための新しい協調的フレームワークCoSDを提案している。CoSDは、潜在的トピックを介してテキスト、ターゲット、スタンスラベルを構造的に関連付ける異種グラフを構築し、対照的グラフ学習を行うことで、トピック対応のセマンティクスとコラボレーティブ信号を学習する。
具体的には以下の3つの主要コンポーネントから成る:
異種トピックグラフの構築: LDAを用いてテキスト、ターゲット、スタンスラベルを潜在的トピックを介して関連付ける異種グラフを構築する。
対照的グラフ学習: 構築したグラフ上で、テキスト、潜在的トピック、スタンスラベルの表現を対照的に学習する。この際、提案したCollaboration Propagation Aggregation (CPA)モジュールにより、多ホップのコラボレーティブ信号を効果的に取り入れる。
ハイブリッド推論ステージ: CPAで得られた表現とBERTによるセマンティック表現を統合し、スタンス検出を行う。
実験の結果、提案手法CoSDは、ベンチマークデータセットにおいて、従来手法を上回る高い性能を示すことが確認された。特に、テキスト間の潜在的なコラボレーションを効果的に捉えることで、従来手法では捉えきれなかった微妙なスタンスの違いを検出できることが示された。
Stats
潜在的トピックを介してテキスト、ターゲット、スタンスラベルが関連付けられている
テキストとターゲットの関係性を表すセマンティック表現とコラボレーティブ表現を統合して使用することで、より正確なスタンス検出が可能となる
Quotes
"テキストを表す潜在的トピック分布は、テキストとターゲットの関係を自然に表現できる"
"多ホップのコラボレーティブ信号を効果的に取り入れることで、従来手法では捉えきれなかった微妙なスタンスの違いを検出できる"