Stance Detection With Supervised, Zero-Shot, and Few-Shot Applications

要約

タイトル：Supervised、Zero-Shot、およびFew-Shotアプリケーションによるスタンス検知

要約：

– スタンス検出は、文書から著者のテーマについての信念を識別することである。
– 現在の研究では、スタンスと関連があるかどうかにかかわらず、センチメント分析に頼ることが一般的であった。
– この論文は、スタンス検出のタスクを正確に定義し、そのタスクの一般的なフレームワークを提供し、スタンス検出の3つの異なるアプローチを示すことで、テキスト分析の方法を進める。
– この論文では、教師あり分類、NLI分類器を用いたゼロショット分類、文脈学習の3つのアプローチを提供することで、ゼロショットおよびフューショット言語分類器が多くのタスクにおいて人間のラベラーの代替となることが示される。
– 最後に、Block Jr et al. (2022)の研究を再現したゼロショットスタンス検出のアプリケーションを示すことで、ゼロショット分類器の適用と限界が教師あり分類器と異なることを説明する。

要約(オリジナル)

Stance detection is the identification of an author’s beliefs about a subject from a document. Researchers widely rely on sentiment analysis to accomplish this. However, recent research has show that sentiment analysis is only loosely correlated with stance, if at all. This paper advances methods in text analysis by precisely defining the task of stance detection, providing a generalized framework for the task, and then presenting three distinct approaches for performing stance detection: supervised classification, zero-shot classification with NLI classifiers, and in-context learning. In doing so, I demonstrate how zero-shot and few-shot language classifiers can replace human labelers for a variety of tasks and discuss how their application and limitations differ from supervised classifiers. Finally, I demonstrate an application of zero-shot stance detection by replicating Block Jr et al. (2022).

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI