MG-SIN:多图形稀疏交互网络用于多任务位置检测

科学领域:

• 自然语言处理自然语言处理.
• 计算社会科学 计算社会科学

背景情况:

• 立场检测可以识别用户在社交媒体上对目标的支持或反对.
• 现有的方法往往忽略了词级的实用依赖关系,导致性能下降.
• 简短的社交媒体文本加剧了单任务学习中的语义稀疏问题.

研究的目的:

• 提出一种新的多图形稀疏交互网络 (MG-SIN),用于同时检测立场和情绪极性分类.
• 通过利用多任务学习 (MTL) 来解决语义稀疏性和改进表示学习.
• 在单词层面探索任务之间的务实依赖关系.

主要方法:

• 构建两种类型的异质图:特定任务和与任务相关的 (tr图).
• 开发一个以图表为基础的模块,用于在任务之间进行自适应的信息共享.
• 在MTL框架内在异质图之间实施一种新的稀疏相互作用机制.

主要成果:

• MG-SIN在两个真实世界数据集上取得了竞争性改进.
• 姿势检测性能提高了高达2.1%和2.42%.
• 与最先进的基线相比,情绪分析的表现分别提高了5.26%和3.93%.

结论:

• 拟议的MG-SIN通过利用MTL和基于图形的建模,有效地增强了立场检测和情绪分析.
• 通过异质图表建模文字级的实用依赖关系,可以增强特定任务的表示.
• 稀疏的交互机制促进了有效的信息共享,克服了以前方法的局限性.