Improving Neural Argumentative Stance Classification in Controversial Topics with Emotion-Lexicon Features

Resumen Técnico: Mejora de la Clasificación de Postura Argumentativa en Temas Controversiales con Características de Léxico Emocional

1. Planteamiento del Problema
La minería de argumentos (Argumentation Mining) incluye la tarea de clasificación de postura (stance classification), que busca identificar si un texto argumentativo apoya o se opone a un tema específico. Aunque los argumentos sobre temas controvertidos a menudo apelan a emociones (Pathos), la investigación previa ha tenido limitaciones significativas:

• Falta de integración emocional: La mayoría de los trabajos anteriores no han incorporado sistemáticamente análisis emocionales explícitos y de granularidad fina para mejorar el rendimiento.
• Limitaciones de generalización: La investigación previa se ha centrado predominantemente en textos no argumentativos o ha estado restringida a dominios y temas específicos, lo que limita la capacidad de generalización de los modelos.
• Deficiencias en los léxicos existentes: Los léxicos emocionales estándar, como el NRC Emotion Lexicon, a menudo carecen de palabras cargadas emocionalmente comunes en el lenguaje moderno y en contextos argumentativos complejos.

2. Metodología
Los autores proponen un enfoque novedoso que combina la expansión de un léxico emocional con un modelo de clasificación neuronal.

• Desarrollo de eNRC (Léxico NRC Expandido):

  • Base: Utilizan la versión corregida de sesgos del léxico NRC (Bias-Corrected NRC).
  • Técnica de Expansión: Emplean embeddings contextualizados de DistilBERT para mapear palabras en un espacio vectorial de 768 dimensiones.
  • Agrupamiento (Clustering): Aplican reducción de dimensionalidad (PCA) y un Modelo de Mezcla Gaussiana (GMM) para identificar tres regiones densas de vocabulario emocional. Esto permite normalizar las puntuaciones de similitud coseno dentro de cada clúster, evitando la superposición de categorías y manejando las diferencias de densidad.
  • Asignación de Etiquetas: Se define un umbral de similitud ($\theta$) para asignar etiquetas emocionales a palabras candidatas que no estaban en el léxico original pero que son semánticamente similares. El umbral óptimo se determina mediante un análisis de compromiso entre la cobertura del léxico y la coherencia estructural (separación de categorías).
  • Resultado: Se genera un léxico expandido (eNRC) que mantiene la estructura categórica original pero incluye un vocabulario emocional más rico y adaptado al contexto.

• Arquitectura del Modelo (NASCA):

  • Se utiliza un codificador BERT preentrenado.
  • Entrada: El texto se construye concatenando el tema controversial y el segmento argumentativo: [CLS] Tema: t [SEP] Argumento: x [SEP].
  • Fusión de Características: La representación del token [CLS] se concatena con el vector de características emocionales ($f_{emo}$) derivado del léxico eNRC.
  • Clasificador: La representación combinada pasa a través de una red neuronal con dos capas ocultas (con activación ReLU y dropout) para la clasificación binaria (A favor / En contra).

3. Contribuciones Clave

1. Método de Expansión de Léxico: Demostración de una nueva técnica basada en clustering y embeddings para expandir léxicos emocionales existentes, preservando la integridad semántica y categórica.
2. Marco de Clasificación de Postura: Presentación de un marco neuronal end-to-end que integra explícitamente el léxico emocional expandido (eNRC) para la clasificación de postura en textos argumentativos.
3. Evaluación Multidominio: Reformulación y evaluación exhaustiva en cinco corpus diversos (AMT1, AMT2, Persuasive Essays, IBM Debater, UKP) que abarcan diferentes tipos de textos y temas controversiales, superando la limitación de estudios previos centrados en un solo dominio.
4. Recursos Abiertos: Liberación de todo el código, los corpus adaptados y el léxico eNRC para garantizar la reproducibilidad.

4. Resultados
El modelo propuesto (NASCA con eNRC) fue evaluado comparado con una línea base de mayoría (MajC), el léxico NRC original, un modelo sin características emocionales (noNRC) y un modelo de lenguaje grande (LLM) Qwen2.5-7B.

• Rendimiento General: El enfoque con eNRC superó consistentemente a todas las líneas base en los cinco conjuntos de datos.
• Mejoras Cuantitativas:
  • Logró mejoras de hasta +6.2 puntos porcentuales en la puntuación F1 macro en comparación con la línea base sin léxico (noNRC).
  • Superó al léxico NRC original en cuatro de los cinco conjuntos de datos (mejora de hasta +3.0 puntos).
  • El conjunto de datos Persuasive Essays (PE) mostró la mayor mejora (+6.0 puntos sobre noNRC), destacando la utilidad del léxico expandido en textos largos y ricos emocionalmente.
• Comparación con LLMs: El modelo propuesto superó al LLM Qwen2.5-7B en casi todos los corpus, demostrando que los modelos especializados con características emocionales bien diseñadas pueden ser más efectivos que los modelos de lenguaje generales para esta tarea específica.
• Análisis de Sensibilidad: Se identificó que un umbral de similitud $\theta = 0.4$ ofrece el mejor equilibrio entre cobertura y precisión.
• Eficiencia Computacional: Se observó que el uso de características eNRC reduce la dependencia de la fine-tuning completa de BERT, permitiendo mantener un alto rendimiento incluso con el codificador congelado, lo que es ventajoso para entornos con recursos limitados.

5. Significado e Impacto
Este trabajo es pionero al integrar sistemáticamente la emoción en la clasificación de postura argumentativa a través de múltiples dominios.

• Avance Teórico: Valida la hipótesis de que el marco emocional (miedo, ira, esperanza, etc.) revela posturas subyacentes de manera más fiable que el contenido proposicional solo en temas controvertidos.
• Aplicación Práctica: Las capacidades demostradas son cruciales para analizar discursos públicos a gran escala, identificar perspectivas mayoritarias y minoritarias, distinguir sentimientos genuinos de extremos amplificados y detectar campañas de desinformación en ecosistemas mediáticos polarizados.
• Reproducibilidad: Al proporcionar un léxico expandido (eNRC) y un marco de trabajo adaptable, el estudio establece una nueva base para futuras investigaciones en minería de argumentos y análisis de sentimientos en contextos complejos.