Few-shot Learning for Cross-Target Stance Detection by Aggregating Multimodal Embeddings

要約

タイトル：マルチモーダル埋め込みを集約することによるクロスターゲットスタンス検出のフューショット学習

要約：

– ソーシャルメディアのスタンス検出タスクは人気が高まっているが、既存のアプローチは主にテキストコンテンツのみを使用しており、タスクの社会的性質を見落としている。
– クロスターゲット分類シナリオでは、モデルはトレーニング時にわずかな関連サンプルしか見ていない新しいターゲットに対するスタンスを予測する必要があるため、スタンス検出タスクは特に困難となる。
– CT-TNと呼ばれる新しいモデルを導入し、テキストとネットワークの両方の特徴から派生したマルチモーダル埋め込みを集約することにより、社会的性質を活用してソーシャルメディア上のクロスターゲットスタンス検出に対応する。
– 6つの異なるソース-デスティネーションターゲットペアのフューショットクロスターゲットシナリオで実験を行い、CT-TNを最先端のクロスターゲットスタンス検出モデルと比較し、異なるベースラインモデルにわたる平均パフォーマンス向上率が11％から21％に及ぶことを証明する。
– ショット数の異なる実験で、CT-TNは目的のターゲットの300のインスタンスを見た後、他のモデルを上回ることができる。
– 更に、分析的実験を行い、CT-TNの各部分の正の寄与を最終的なパフォーマンスに示すことができる。
– 関連するソーシャルメディアユーザー間のネットワークインタラクションを分析することにより、ソーシャル機能をクロスターゲットのスタンス検出に利用する可能性が示された。

要約(オリジナル)

Despite the increasing popularity of the stance detection task, existing approaches are predominantly limited to using the textual content of social media posts for the classification, overlooking the social nature of the task. The stance detection task becomes particularly challenging in cross-target classification scenarios, where even in few-shot training settings the model needs to predict the stance towards new targets for which the model has only seen few relevant samples during training. To address the cross-target stance detection in social media by leveraging the social nature of the task, we introduce CT-TN, a novel model that aggregates multimodal embeddings derived from both textual and network features of the data. We conduct experiments in a few-shot cross-target scenario on six different combinations of source-destination target pairs. By comparing CT-TN with state-of-the-art cross-target stance detection models, we demonstrate the effectiveness of our model by achieving average performance improvements ranging from 11% to 21% across different baseline models. Experiments with different numbers of shots show that CT-TN can outperform other models after seeing 300 instances of the destination target. Further, ablation experiments demonstrate the positive contribution of each of the components of CT-TN towards the final performance. We further analyse the network interactions between social media users, which reveal the potential of using social features for cross-target stance detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI