立场检测的目的是确定文本对于给定话题的立场。与细粒度情感分类任务（ABSA）不同，话题可能不会出现在文本中。现有的模型使用深度神经网络在此任务中取得了巨大的成功，但是对于话题不直接在文本中被提到的情况下，即使是具有“target-aware”结构的模型表现仍急剧下降。我们认为，话题与文本中可能出现的话题相关实体之间的不一致导致了这种下降，而这可以通过外部知识作为桥梁加以弥补。为此，我们提出RelNet，它利用多个外部知识库作为桥梁，显式地将文本中表达观点的对象实体与话题联系起来。在广泛采用的SemEval 2016任务6数据集上进行的实验证明了该模型的有效性，特别是在目标不显式出现在文本中的子集上。