Cross-target Stance Detection by Exploiting Target Analytical Perspectives

要約

クロスターゲット姿勢検出（CTSD）は、ソースターゲットから得られたアノテーションデータを利用することで、目的ターゲットの姿勢を推測する重要なタスクである。CTSDにおける重要なアプローチの1つは、複数のターゲット間の知識ギャップを埋めるために、ドメインに依存しない特徴を抽出することである。しかし、インフォーマルで短いテキスト構造や暗黙的な表現の解析は、ドメイン不変な知識の抽出を複雑にする。本稿では、分析視点を知識伝達の橋渡しとして利用する、CTSDのための多視点プロンプトチューニング（MPPT）モデルを提案する。まず、大規模言語モデル(LLM)に基づくインストラクションを定式化することで、対象の分析視点を引き出し、多視点からの自然言語説明(NLE)を提供する2段階のインストラクションに基づく思考連鎖法(TsCoT)を開発する。第二に、NLEをスタンス予測器に融合するための多視点プロンプトチューニングフレームワーク（MultiPLN）を提案する。広範な実験結果は、MPPTが最先端のベースライン手法に対して優れていることを実証している。

要約(オリジナル)

Cross-target stance detection (CTSD) is an important task, which infers the attitude of the destination target by utilizing annotated data derived from the source target. One important approach in CTSD is to extract domain-invariant features to bridge the knowledge gap between multiple targets. However, the analysis of informal and short text structure, and implicit expressions, complicate the extraction of domain-invariant knowledge. In this paper, we propose a Multi-Perspective Prompt-Tuning (MPPT) model for CTSD that uses the analysis perspective as a bridge to transfer knowledge. First, we develop a two-stage instruct-based chain-of-thought method (TsCoT) to elicit target analysis perspectives and provide natural language explanations (NLEs) from multiple viewpoints by formulating instructions based on large language model (LLM). Second, we propose a multi-perspective prompt-tuning framework (MultiPLN) to fuse the NLEs into the stance predictor. Extensive experiments results demonstrate the superiority of MPPT against the state-of-the-art baseline methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL