摘要
针对社交平台的用户评论进行立场检测,旨在对某一特定话题下的用户评论进行立场分类。现有立场检测研究只关注评论文本的内部语义特征,而忽略了与评论文本相关的外部知识。通过将评论的关键信息映射到知识图谱中,以检索与该关键信息有关的外部知识,并将外部知识引入到模型中进行立场检测任务,该方法可通过提供可能对立场检测任务至关重要的背景知识来提升分类效果。在构建立场检测模型时,除考虑评论的文本特征外,采用门控图神经网络方法融合评论之间的结构信息,从而提取相关评论的相互影响情况。实验结果表明,与已有解决该问题的立场检测模型相比,该模型取得了较好的检测结果。将评论的文本特征与结构信息相结合并引入外部知识,可有效提升模型的立场检测性能。
0 引言
立场是在给定话题下用户观点的表达,而立场检测是自动检测用户对于给定话题发表的评论是支持、反对或者中立[1]。随着社交媒体的不断发展,人们更愿意通过微博、Twitter