科研之友
微信
新浪微博
Facebook
分享链接
摘要
立场检测是指分析文本对于某一目标话题表达的立场，立场通常分为支持、反对和其他。近期的工作大多采用BERT等方法提取文本和话题的句语义特征，通常采用BERT首符号隐藏状态或者句子中每个词隐藏状态取平均作为句向量。该文对句向量的获取进行了改进，采用提示学习模板获取提示句向量，提高句向量的特征提取效果。设计了一种基于多掩码与提示句向量融合分类的立场检测模型(PBMSV),将提示句向量分类与多掩码的模板-答案器结构提示学习分类结合，向句向量引入文本、话题和立场词信息，融合句向量和答案器分类结果，对模型进行联合优化。在NLPCC中文立场检测数据集上的实验表明，在五个话题单独训练模型的实验中，该文方法与此前最优方法相比在三个目标上取得领先或持平，取得了79.3的总F1值，与最优方法接近，并在句向量对比实验中，验证了提示句向量的优势。
- 单位
