Collaborative Knowledge Infusion for Low-resource Stance Detection

立场检测是指针对特定目标的某一特定语境（例如推文、商业评论）的观点。为了帮助立场检测模型更好地理解目标并正确地进行检测，通常需要与目标相关的知识。然而，目前主流的知识注入立场检测方法主要从单一来源中获得目标知识，这种来源缺乏在有限领域知识验证。此外，低资源的训练数据进一步增加了该任务中数据驱动大模型的挑战。为解决这些挑战，我们提出了一种协作知识注入方法，用于低资源立场检测任务，采用对齐知识增强和高效参数学习技术的组合。具体而言，我们的立场检测方法通过知识对齐协同地从不同的知识来源中利用目标背景知识。此外，我们还引入了参数高效的协作适配器和分阶段优化算法，从网络结构和学习角度协同解决与低资源立场检测任务相关的挑战。为了评估我们的方法的有效性，我们在三个公共立场检测数据集上进行了大量实验，包括低资源和跨目标设置。结果表明，与现有的立场检测方法相比，我们的方法显著提高了性能。

本论文旨在解决低资源立场检测任务中缺乏目标知识验证的问题，以及数据驱动大模型面临的挑战。

论文提出了一种协作知识注入方法，利用知识对齐协同地从不同的知识源中增强目标背景知识，并引入参数高效的协作适配器和分阶段优化算法来解决低资源立场检测任务的挑战。

论文在三个公共立场检测数据集上进行了广泛的实验，包括低资源和跨目标设置，并且相对于现有的立场检测方法取得了显著的性能提升。

最近在这个领域中，还有一些相关的研究，例如《Targeted Aspect-Based Sentiment Analysis via Embedding Commonsense Knowledge》和《A Knowledge-Enhanced Pre-training Model for Stance Detection》等。