耿源羚，张绍武，张益嘉，林鸿飞，杨亮

（大连理工大学 计算机科学与技术学院，辽宁 大连 116024）

0 引言

随着互联网的快速发展和社交媒体的广泛应用，越来越多的人倾向于在互联网上发表自己对新闻时事、商品优劣等的评论及看法［1］。这些评论往往包含着舆情走向、用户消费习惯等信息，为政府、企业等机构提供了重要的决策依据［2］。立场检测任务旨在挖掘评论中的态度和立场。因此，立场检测任务成为自然语言处理中的重要研究热点之一。另外，基于Twitter数据的立场检测任务［3］SemEval-2016Task6和基于微博数据的立场检测任务［4］NLPCC-2016 Chinese Stance Detection Shared Task公布后，进一步促进了立场检测任务的研究和发展。

立场检测任务的目的是通过分析用户对特定话题的评论，检测用户对该话题的立场倾向性是支持、反对还是中立的［5］。该任务与传统的三分类情感任务相似，但不同的是，立场检测需要结合具体目标话题进行判断，而情感分析则不考虑任何话题；与方面级情感分类任务相比，在立场检测任务中，文本信息不会明确提及具体话题信息。另外，微博立场检测任务中的数据还有着语法随意，文本短小等特点。例如，针对话题“深圳禁摩限电”而言，其相关文本“最反感这些拉客的！还有在机动车道上行驶的”的情感极性是消极的，而且该文本中没有显示出现特定话题信息，无法单独根据文本判断其立场倾向，但结合了话题信息后，检测该文本的立场倾向性是支持的。因此，捕捉文本中与对应话题的相关特征是立场检测任务的重点。……