StanceNakba 2026: 공공 담론에서의 행위자 및 주제 인식 입장 탐지
요약
본 기사는 팔레스타인-이스라엘 분쟁 관련 소셜 미디어 담론의 입장 탐지 공동 과제 StanceNakba 2026을 발표합니다. 이 과제는 행위자 수준(영어)과 교차 주제 수준(아랍어) 두 가지 하위 과제를 포함하며, 트랜스포머 기반 모델이 효과적임을 입증했습니다.
핵심 포인트
- StanceNakba 2026은 분쟁 관련 소셜 미디어 담론의 입장 탐지 공동 과제입니다.
- 행위자 수준(영어)과 교차 주제 수준(아랍어) 두 가지 하위 과제를 다룹니다.
- 트랜스포머 기반 모델이 높은 성능을 보였으나, 일반화 및 중립 클래스 예측에 어려움이 있습니다.
저희는 Nakba-NLP 2026을 LREC-COLING 2026의 일부로 개최되는, 팔레스타인-이스라엘 분쟁과 관련된 양극화된 소셜 미디어 담론에서의 입장 탐지에 관한 공동 과제 StanceNakba 2026을 발표합니다. 이 과제는 두 가지 하위 과제를 도입합니다: Subtask A(행위자 수준 입장 탐지)는 영어 소셜 미디어 게시물을 Pro-Palestine, Pro-Israel 또는 Neutral로 분류하며; Subtask B(교차 주제 입장 탐지)는 아랍어 게시물이 이스라엘과의 정상화 및 요르단 내 난민 존재라는 두 분쟁 관련 주제에 대해 Favor, Against 또는 Neither 입장을 식별합니다. 이 과제는 2,606개의 소셜 미디어 게시물로 주석이 달린 데이터셋을 기반으로 합니다. 총 7개 팀이 Subtask A에 참여했고 6개 팀이 Subtask B에 참여했습니다. 참가 시스템들은 주로 MARBERT, AraBERT, DeBERTa-v3 변형 모델을 포함한 아랍어 및 다국어 트랜스포머 기반 모델을 미세 조정했으며, 여러 팀은 교차 검증(cross-validation), 앙상블 방법(ensemble methods), 그리고 주제 조건부 구조(topic-conditioned architectures)를 사용했습니다. 최고 성능의 시스템들은 Subtask A에서 Macro F1 점수 0.9620, Subtask B에서 0.8724를 달성하여, 트랜스포머 기반 접근법이 분쟁 영역 입장 탐지에 매우 효과적임을 입증하는 동시에 교차 주제 일반화 및 Neutral 클래스 예측에서의 지속적인 어려움을 강조했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기