赵姝颖，肖宁，曾华圣，王海兮，常明芳

中国电子科技集团公司 第三十研究所，四川 成都 610000

立场检测源于人工智能自然语言处理技术，是情感分类技术的一个前沿分支，可以看作是针对特定目标话题进行的情感分析任务[1]。立场检测也是自然语言处理研究的一个热门主题，Mohammad等[2]在2016年构建了基于 Twitter数据的立场检测英文数据集，并用于SemEval 2016会议的Task 6：立场检测。由于中文语言的多义性、复杂性和语法的独特性，面向中文的立场检测更具有挑战性。2016年中国的相关学者构建了基于中文微博的立场检测数据集，并将其用于2016年的自然语言处理与中文计算会议发表的任务中，进一步推动了中文立场检测的研究。

立场检测任务使用自然语言处理（NLP）技术，根据对目标话题的文本内容分析其立场倾向是“赞成”、 “反对”，还是“中立”[3]。立场检测主要强调根据特定的目标话题环境来分析判断文本内容的立场，虽然与情感分析相似，但不同点在于情感分析侧重于一段文本中情感特征的极性，在很多情况下，分析文本内容的立场倾向仅根据文本的情感极性是无法准确判断的。 例如，某些微博在不考虑任何目标话题的前提， 其情感极性是消极反对的，但是当把它放在某个指定的话题环境中时，其立场可能与单独分析得到的情感极性恰恰相反。通过这个例子可以看出，相比于情感分析任务，立场检测任务对人工智能模型的文本理解能力提出了更高的要求，不仅需要去识别句子中能代表用户情感态度的关键词，还需要去理解完整的句意，并且通过计算机语言表述出来，即得到句意的特征表示。……