論文の概要: Improving Neural Argumentative Stance Classification in Controversial Topics with Emotion-Lexicon Features
- arxiv url: http://arxiv.org/abs/2602.22846v1
- Date: Thu, 26 Feb 2026 10:37:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-27 18:41:22.648051
- Title: Improving Neural Argumentative Stance Classification in Controversial Topics with Emotion-Lexicon Features
- Title（参考訳）: 感情レキシコンの特徴を考慮した対話トピックにおけるニューラル・アグメンティティブ・スタンス分類の改善
- Authors: Mohammad Yeghaneh Abkenar, Weixing Wang, Manfred Stede, Davide Picca, Mark A. Finlayson, Panagiotis Ioannidis,
- Abstract要約: 本研究では, DistilBERT 埋め込みを用いたBias-Corrected NRC Emotion lexiconの拡張手法を提案する。
本手法は,文脈的埋め込みを通じて感情の語彙を体系的に拡張し,感情に荷電した言葉を識別する。
拡張NRCレキシコン(eNRC)は5つのデータセットのベースライン上で改善します。
- 参考スコア（独自算出の注目度）: 2.916693600347569
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Argumentation mining comprises several subtasks, among which stance classification focuses on identifying the standpoint expressed in an argumentative text toward a specific target topic. While arguments-especially about controversial topics-often appeal to emotions, most prior work has not systematically incorporated explicit, fine-grained emotion analysis to improve performance on this task. In particular, prior research on stance classification has predominantly utilized non-argumentative texts and has been restricted to specific domains or topics, limiting generalizability. We work on five datasets from diverse domains encompassing a range of controversial topics and present an approach for expanding the Bias-Corrected NRC Emotion Lexicon using DistilBERT embeddings, which we feed into a Neural Argumentative Stance Classification model. Our method systematically expands the emotion lexicon through contextualized embeddings to identify emotionally charged terms not previously captured in the lexicon. Our expanded NRC lexicon (eNRC) improves over the baseline across all five datasets (up to +6.2 percentage points in F1 score), outperforms the original NRC on four datasets (up to +3.0), and surpasses the LLM-based approach on nearly all corpora. We provide all resources-including eNRC, the adapted corpora, and model architecture-to enable other researchers to build upon our work.
- Abstract（参考訳）: 論証マイニングはいくつかのサブタスクから構成されており、そのうちの1つは、特定の対象トピックに対する議論的テキストで表される視点を特定することに焦点を当てている。
特に議論を呼んでいる話題は感情に訴えるが、ほとんどの先行研究は、このタスクのパフォーマンスを改善するために、明示的できめ細かい感情分析を体系的に組み入れていない。
特に、スタンス分類に関する先行研究は、主に非論証的テキストを使用し、特定のドメインやトピックに制限され、一般化性に制限されている。
さまざまな議論の的となっているトピックを包含する多種多様なドメインからの5つのデータセットについて研究し、DistilBERT埋め込みを用いてバイアス補正されたNRC感情レキシコンを拡張し、ニューラルアグメンタティブスタンス分類モデルにフィードするアプローチを提案する。
本手法は, 情緒的語彙を文脈的埋め込みによって体系的に拡張し, 感情的に荷電した単語の認識を行う。
拡張されたNRCレキシコン(eNRC)は5つのデータセット(F1スコアの+6.2ポイントまで)のベースラインを越え、元のNRCを4つのデータセット(+3.0まで)で上回り、ほぼすべてのコーパスでLLMベースのアプローチを上回ります。
我々は、eNRC、適応コーパス、モデルアーキテクチャを含むすべてのリソースを提供し、他の研究者が私たちの仕事の上に構築できるようにします。
関連論文リスト
- TopiCLEAR: Topic extraction by CLustering Embeddings with Adaptive dimensional Reduction [0.0]
TopiCLEAR: 適応次元還元による埋め込みのクラスタリングによるトピック抽出について述べる。
我々は、20News、AgNewsTitle、Reddit、TweetTopicの4つの多様なデータセットに対するアプローチを評価した。
本手法はより解釈可能なトピックを生成し,ソーシャルメディアデータやWebコンテンツ分析への応用の可能性を強調した。
論文 参考訳（メタデータ） (2025-12-07T07:01:28Z) - Adversarial Topic-aware Prompt-tuning for Cross-topic Automated Essay Scoring [4.751266396409427]
横断的自動エッセイスコア(英語版)(AES)は、対象トピックに関するエッセイを効果的に評価できる伝達可能なモデルを開発することを目的としている。
本稿では,AESを改善するために,ATOP(Adversarial Topic-aware Prompt-tuning)を提案する。
論文 参考訳（メタデータ） (2025-08-08T03:43:01Z) - A Benchmark for Cross-Domain Argumentative Stance Classification on Social Media [12.479554210753664]
論証的姿勢分類は、特定のトピックに対する著者の視点を特定する上で重要な役割を担っている。
既存のベンチマークは、単一のドメインからのものや、限られたトピックにフォーカスすることが多い。
我々は,人的アノテーションの必要性を回避するために,プラットフォームルール,手軽に利用可能な専門家によるコンテンツ,および大規模言語モデルを活用することを提案する。
論文 参考訳（メタデータ） (2024-10-11T15:20:11Z) - CERD: A Comprehensive Chinese Rhetoric Dataset for Rhetorical Understanding and Generation in Essays [30.728539221991188]
既存の修辞的データセットやコーパスは主に単一の粗いカテゴリや細かいカテゴリに焦点を当てている。
提案手法は,4つの大まかなカテゴリからなる中国エッセイレトリックデータセット(CERD)を提案する。
CERDは、手動で注釈付きで包括的な中国の修辞的データセットで、5つの相互関連サブタスクがある。
論文 参考訳（メタデータ） (2024-09-29T12:47:25Z) - PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。
タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。
課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
論文 参考訳（メタデータ） (2024-08-18T13:51:01Z) - DiaASQ : A Benchmark of Conversational Aspect-based Sentiment Quadruple
Analysis [84.80347062834517]
本稿では,対話における目標視差感の4倍を検出することを目的としたDiaASQを紹介する。
中国語と英語の両方で大規模なDiaASQデータセットを手作業で構築する。
我々は、タスクをベンチマークするニューラルネットワークを開発し、エンドツーエンドの4倍の予測を効果的に実行する。
論文 参考訳（メタデータ） (2022-11-10T17:18:20Z) - Aspect Sentiment Quad Prediction as Paraphrase Generation [53.33072918744124]
Aspect Sentiment Quad Prediction (ASQP)タスクを導入し、与えられた意見文に対するクワッド内のすべての感情要素を共同で検出することを目的とした。
本稿では,ASQP タスクをパラフレーズ生成プロセスにキャストする新しいtextscParaphrase モデリングパラダイムを提案する。
一方、感情要素のセマンティクスは、自然言語形式でそれらを生成する学習によって完全に活用することができる。
論文 参考訳（メタデータ） (2021-10-02T12:57:27Z) - Weakly-Supervised Aspect-Based Sentiment Analysis via Joint
Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。
We learn sentiment, aspects> joint topic embeddeds in the word embedding space。
次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文 参考訳（メタデータ） (2020-10-13T21:33:24Z) - Detecting and Classifying Malevolent Dialogue Responses: Taxonomy, Data
and Methodology [68.8836704199096]
コーパスベースの会話インタフェースは、テンプレートベースのエージェントや検索ベースのエージェントよりも多様な自然なレスポンスを生成することができる。
コーパスベースの会話エージェントの生成能力が増大すると、マレヴォレントな反応を分類し、フィルタリングする必要性が生じる。
不適切な内容の認識と分類に関するこれまでの研究は、主にある種のマレヴォレンスに焦点を絞っている。
論文 参考訳（メタデータ） (2020-08-21T22:43:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。