2020年2月，博士生杜嘉晨的论文《Commonsense Knowledge Enhanced Memory Network for Stance Classification》获得《IEEE Intelligent Systems》期刊录用。

该论文主要研究了一种常识知识增强的文本立场分析模型。立场分析作为文本情感分析研究的热点问题，其目的是判别文本针对某个给定对象或事件主体的倾向性（通常为支持，反对或中立），进而以对象为线索分析并汇聚个体以及群体的立场。这一问题的难点主要体现在给定对象有可能不直接出现在文本中，而且给定对象与文本讨论对象间的关系也通常不会显式地给出，而是隐含在常识知识中。本论文克服传统立场分析模型只利用文本而忽略常识知识的缺点，在文本表示基础上，引入以ConceptNet为基础的外部常识知识表示作为补充。同时，本文发现立场分析问题中不同样例对常识知识的需求是动态变化的。但是现有的结合常识知识文本分类模型将知识表示作为额外特征统一地拼接或组合到文本表示上，并未考虑文本对外部知识需求的动态性特点，限制了外部常识知识对文本表示的补充作用，甚至有可能引入不必要的噪音。针对这一问题，本文针对性地提出常识知识增强记忆网络（Commonsense Knowledge Enhanced Memory Network，CKEMN）模型，首先使用不同的记忆网络对文本和常识知识进行表示学习，之后使用“后融合“策略引导模型“按需”将常识知识表示引入文本表示中，以此提高对常识知识的利用效率，进而提升模型的立场分析性能。在中英文立场分析数据集实验上，本文提出的CKEMN模型性能超过现有最佳模型，同时进一步的实验分析表明性能提升主要来自于CKEMN模型相较于其他传统方法在动态知识融合能力上的提升。

《IEEE Intelligent Systems》是人工智能领域的国际期刊，该期刊为SCI检索，IF 3.201，JCR2区，中科院SCI工程技术大类2区。

论文链接：https://sentic.net/stance-classification.pdf