A Survey of Stance Detection on Social Media: New Directions and Perspectives

要約

現代のデジタル環境では、ユーザーは論争の多いトピックについて頻繁に意見を表明し、一般的な態度に関する豊富な情報を提供します。
これらの意見を体系的に分析することで、マーケティングや政治などのさまざまな分野での意思決定に貴重な洞察が得られます。
その結果、スタンス検出は感情コンピューティング内の重要なサブフィールドとして浮上し、ソーシャル メディアでの会話におけるユーザーのスタンスの自動検出を可能にし、複雑な問題に対する国民感情の微妙な理解を提供します。
近年、自然言語処理、ウェブサイエンス、ソーシャルコンピューティングなどの複数のコミュニティからの貢献により、効果的な姿勢検出方法の開発に対する研究への関心が高まっています。
このペーパーでは、タスク定義、データセット、アプローチ、今後の取り組みをカバーする、ソーシャル メディア上のスタンス検出技術の包括的な調査を提供します。
従来のスタンス検出モデルと大規模な言語モデルに基づく最先端の方法をレビューし、その長所と限界について説明します。
私たちの調査では、世論や感情を理解する上でのスタンス検出の重要性が強調され、現在の研究のギャップが特定されています。
最後に、より堅牢で一般化可能なモデルの必要性や、マルチモーダルなスタンス検出や低リソース言語でのスタンス検出などの新たな課題に対処する重要性など、ソーシャル メディアでのスタンス検出の潜在的な将来の方向性を概説します。

要約(オリジナル)

In modern digital environments, users frequently express opinions on contentious topics, providing a wealth of information on prevailing attitudes. The systematic analysis of these opinions offers valuable insights for decision-making in various sectors, including marketing and politics. As a result, stance detection has emerged as a crucial subfield within affective computing, enabling the automatic detection of user stances in social media conversations and providing a nuanced understanding of public sentiment on complex issues. Recent years have seen a surge of research interest in developing effective stance detection methods, with contributions from multiple communities, including natural language processing, web science, and social computing. This paper provides a comprehensive survey of stance detection techniques on social media, covering task definitions, datasets, approaches, and future works. We review traditional stance detection models, as well as state-of-the-art methods based on large language models, and discuss their strengths and limitations. Our survey highlights the importance of stance detection in understanding public opinion and sentiment, and identifies gaps in current research. We conclude by outlining potential future directions for stance detection on social media, including the need for more robust and generalizable models, and the importance of addressing emerging challenges such as multi-modal stance detection and stance detection in low-resource languages.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google