Abstract, Align, Predict: Zero-Shot Stance Detection via Cognitive Inductive Reasoning

要約

Zero-Shot Stance Detection（ZSSD）は、以前に見えないターゲットに対するテキストのスタンスを特定することを目的としています。
人間の認知的推論に触発されて、私たちは認知誘導性推論フレームワーク（CIRF）を提案します。これは、非標識テキストから転送可能な推論スキーマを抽象化し、概念レベルのロジックとしてそれらをエンコードします。
これらのスキーマを入力引数と統合するために、ローカルおよびグローバルな推論構造を動的に整列させるスキーマ強化グラフカーネルモデル（SEGKM）を導入します。
SEMVAL-2016、広大な、およびCovid-19のスタンスのベンチマークでの実験は、CIRFが新しい最新の結果を確立し、それぞれ1.0、4.5、および3.3パーセントポイントで強いZSSDベースラインをMacro-F1で3.3パーセントポイント上回り、70 \％少ないラベル試験と同等の精度を達成することを示しています。
公開時に完全なコードをリリースします。

要約(オリジナル)

Zero-shot stance detection (ZSSD) aims to identify the stance of text toward previously unseen targets, a setting where conventional supervised models often fail due to reliance on labeled data and shallow lexical cues. Inspired by human cognitive reasoning, we propose the Cognitive Inductive Reasoning Framework (CIRF), which abstracts transferable reasoning schemas from unlabeled text and encodes them as concept-level logic. To integrate these schemas with input arguments, we introduce a Schema-Enhanced Graph Kernel Model (SEGKM) that dynamically aligns local and global reasoning structures. Experiments on SemEval-2016, VAST, and COVID-19-Stance benchmarks show that CIRF establishes new state-of-the-art results, outperforming strong ZSSD baselines by 1.0, 4.5, and 3.3 percentage points in macro-F1, respectively, and achieving comparable accuracy with 70\% fewer labeled examples. We will release the full code upon publication.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google