Disentangled VAD Representations via a Variational Framework for Political Stance Detection

要約

スタンス検出タスクは、指定されたターゲットに関するスタンスを分類することを目的としています。
現在の方法は、スタンス検出のためのセンチメント情報を効果的に統合する上で課題に直面しています。
さらに、スタンス検出における非常に細かいセンチメントラベル付けの役割は、ほとんど見落とされています。
この研究では、ソーシャルメディアでの政治的言説から潜在的な感情的特徴、覚醒、支配（VAD）を解き放つために変分自動エンコーダー（VAE）を利用した新しいスタンス検出フレームワークを提示します。
このアプローチは、特にターゲット内およびターゲットのスタンス検出シナリオで、現在の方法、特にターゲット内およびクロスターゲットのスタンス検出シナリオの制限に対処しています。
この研究では、高度な感情的注釈ツールを使用して、P-stanceの7クラスのセンチメントラベルに注釈を付けます。
P-StanceやSemeval-2016を含むベンチマークデータセットの評価は、Polistance-VaeがBert、Bertweet、GPT-4oなどの最先端のパフォーマンスを上回るモデルを達成することを明らかにしています。
Polistance-Vaeは、スタンス検出のための堅牢で解釈可能なソリューションを提供し、微妙な感情表現を統合することの有効性を実証します。
このフレームワークは、自然言語処理タスクの進歩、特に詳細な感情的理解を必要とする方法の道を開きます。

要約(オリジナル)

The stance detection task aims to categorise the stance regarding specified targets. Current methods face challenges in effectively integrating sentiment information for stance detection. Moreover, the role of highly granular sentiment labelling in stance detection has been largely overlooked. This study presents a novel stance detection framework utilizing a variational autoencoder (VAE) to disentangle latent emotional features-value, arousal, and dominance (VAD)-from political discourse on social media. This approach addresses limitations in current methods, particularly in in-target and cross-target stance detection scenarios. This research uses an advanced emotional annotation tool to annotate seven-class sentiment labels for P-STANCE. Evaluations on benchmark datasets, including P-STANCE and SemEval-2016, reveal that PoliStance-VAE achieves state-of-the-art performance, surpassing models like BERT, BERTweet, and GPT-4o. PoliStance-VAE offers a robust and interpretable solution for stance detection, demonstrating the effectiveness of integrating nuanced emotional representations. This framework paves the way for advancements in natural language processing tasks, particularly those requiring detailed emotional understanding.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google