通过外部知识和反思性思维链推理增强零样本推文级立场检测

零样本推文级立场检测面临两个主要挑战：（1）减轻短文本中固有的上下文稀疏性，（2）建立隐含目标和文本内容之间的相关性。虽然现有方法主要侧重于整合外部知识，但它们忽略了关键文本内实体中嵌入的内在语义线索。此外，当前模型在确定未见过的目标与给定文本的相关性方面表现出有限的能力，从而难以区分“中性”和“不相关”的立场标签。为了解决这些问题，我们首先构建一个四类、多主题的日语推文数据集。据我们所知，这是日本第一个用于姿态检测的推文级数据集。然后我们提出了 KIRP，一种零样本姿态检测框架。它将外部知识与实体重组相结合以进行数据增强，并采用即时链接进行推理。具体来说，该框架结合了知识图来补充和重组关键文本实体，同时反思性思维链（CoT）推理提取和验证隐含目标。为了更好地区分“中性”和“不相关”标签，我们采用立场感知对比学习来捕获判别特征，并设计一个三层迭代原型网络进行细粒度分类。 SemEval-2016、WT-WT 和 KIRP-D 上的实验结果表明 KIRP 实现了最先进的性能。 KIRP 在 SemEval-2016 上获得的 F1 分数为 84.05%（三级），在 WT-WT 和 KIRP-D 上分别获得 84.99% 和 79.18%（四级）。