Los investigadores proponen KIRP, un marco de detección de postura con cero ejemplos que aborda la escasez de contexto y la relevancia implícita del objetivo en textos cortos integrando conocimiento externo con razonamiento reflexivo de cadena de pensamiento. El estudio también presenta el primer conjunto de datos japonés a nivel de tweet para la detección de postura, diseñado para apoyar esta evaluación multi-tópica.
- KIRP utiliza grafos de conocimiento para complementar y reorganizar las entidades textuales clave con fines de aumento de datos.
- Se emplea razonamiento reflexivo de cadena de pensamiento para extraer y validar los objetivos implícitos dentro del texto.
- El aprendizaje por contraste consciente de la postura y una red de prototipos iterativa de tres capas distinguen entre las etiquetas "neutral" e "irrelevant".
- El marco alcanza un rendimiento de vanguardia con puntuaciones F1 de 84.05% en SemEval-2016, 84.99% en WT-WT y 79.18% en el nuevo conjunto de datos KIRP-D.