Large Language Models Meet Stance Detection: A Survey of Tasks, Methods, Applications, Challenges and Future Directions

要約

スタンス検出は、ソーシャルメディア、ニュース記事、オンラインレビューなどのさまざまなプラットフォームで主観的なコンテンツを理解するために不可欠です。
大規模な言語モデル（LLM）の最近の進歩は、コンテキストの理解、クロスドメインの一般化、およびマルチモーダル分析に新しい能力を導入することにより、スタンス検出に革命をもたらしました。
これらの進行にもかかわらず、既存の調査には、スタンス検出のためにLLMを特に活用するアプローチの包括的なカバレッジがしばしば欠けています。
この重要なギャップを埋めるために、私たちのレビュー記事は、スタンス検出の体系的な分析を実施し、基本的な概念、方法論、データセット、アプリケーション、新たな課題を含む分野を変換するLLMSの最近の進歩を包括的に検討します。
3つの重要な次元に沿って構成されたLLMベースのスタンス検出アプローチの新しい分類法を提示します。1）監視、監視なし、少数のショット、ゼロショットを含む学習方法。
2）Unimodal、Multimodal、Hybridなどのデータモダリティ。
3）ターゲット、ターゲット、クロスターゲット、マルチターゲットシナリオを含むターゲット関係。
さらに、評価手法について説明し、ベンチマークデータセットとパフォーマンスの傾向を分析し、さまざまなアーキテクチャの強みと制限を強調します。
誤った情報検出、政治分析、公衆衛生監視、ソーシャルメディアの節度における主要なアプリケーションについて説明します。
最後に、暗黙のスタンス表現、文化的偏見、計算上の制約などの重要な課題を特定しながら、説明可能なスタンス推論、低リソースの適応、リアルタイムの展開フレームワークなど、有望な将来の方向性を概説します。
私たちの調査では、大規模な言語モデルを搭載した次世代スタンス検出システムの開発において、研究者と実践者を導くための新たな傾向、オープンな課題、将来の方向性を強調しています。

要約(オリジナル)

Stance detection is essential for understanding subjective content across various platforms such as social media, news articles, and online reviews. Recent advances in Large Language Models (LLMs) have revolutionized stance detection by introducing novel capabilities in contextual understanding, cross-domain generalization, and multimodal analysis. Despite these progressions, existing surveys often lack comprehensive coverage of approaches that specifically leverage LLMs for stance detection. To bridge this critical gap, our review article conducts a systematic analysis of stance detection, comprehensively examining recent advancements of LLMs transforming the field, including foundational concepts, methodologies, datasets, applications, and emerging challenges. We present a novel taxonomy for LLM-based stance detection approaches, structured along three key dimensions: 1) learning methods, including supervised, unsupervised, few-shot, and zero-shot; 2) data modalities, such as unimodal, multimodal, and hybrid; and 3) target relationships, encompassing in-target, cross-target, and multi-target scenarios. Furthermore, we discuss the evaluation techniques and analyze benchmark datasets and performance trends, highlighting the strengths and limitations of different architectures. Key applications in misinformation detection, political analysis, public health monitoring, and social media moderation are discussed. Finally, we identify critical challenges such as implicit stance expression, cultural biases, and computational constraints, while outlining promising future directions, including explainable stance reasoning, low-resource adaptation, and real-time deployment frameworks. Our survey highlights emerging trends, open challenges, and future directions to guide researchers and practitioners in developing next-generation stance detection systems powered by large language models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google