Encoding Hierarchical Schema via Concept Flow for Multifaceted Ideology Detection

多方面的意识形态检测（MID）旨在检测文本对多个方面的意识形态倾向。以往的意识形态检测研究主要关注一种通用的方面，忽略了标签语义和意识形态的解释描述，这些是一种指导性信息，揭示了意识形态的具体概念。本文针对MID任务，开发了一个新颖的概念语义增强框架。具体来说，我们提出了一种双向迭代概念流（BICo）方法来编码多方面的意识形态。BICo使概念能够在模式树的各个级别之间流动，并用多粒度语义丰富概念表示。此外，我们探索了概念注意匹配和概念引导对比学习策略，以引导模型通过学习的概念语义捕捉意识形态特征。在基准数据集上进行的大量实验证明，我们的方法在MID中实现了最先进的性能，包括跨主题场景。

本文旨在解决多方面意识形态检测问题，包括标签语义和解释性描述的意识形态，提出了一种新的概念语义增强框架。

本文提出了双向迭代概念流（BICo）方法，用于编码多方面的意识形态，并探索概念注意匹配和概念引导对比学习策略来指导模型捕捉意识形态特征。

本文在基准数据集上进行了广泛的实验，表明我们的方法在多方面意识形态检测中实现了最先进的性能，包括跨主题场景。

最近的相关研究包括“基于深度学习的意识形态检测方法综述”和“使用BERT进行意识形态分类的实证研究”。