Neue Veröffentlichung bei der EMNLP

Wir haben zwei Beiträge für die EMNLP-Konferenz angenommen, und zwar als Findings Papers:

Enrica Troiano, Sofie Labat, Marco Antonio Stranisci, Rossana Damiano, Viviana Patti, and Roman Klinger. Dealing with controversy: An emotion and coping strategy corpus based on role playing. In Findings of the Association for Computational Linguistics: EMNLP 2024. Association for Computational Linguistics, 2024. [ bib | arXiv | http | .pdf ]

Aswathy Velutharambath, Amelie Wuehrl, and Roman Klinger. How entangled is factuality and deception in german? In Findings of the Association for Computational Linguistics: EMNLP 2024. Association for Computational Linguistics, 2024. [ bib | arXiv | http | .pdf ]

Das Papier „Dealing with controversy: An emotion and coping strategy corpus based on role playing“ geht von der Beobachtung aus, dass Emotionstheorien aus der Psychologie in der natürlichen Sprachverarbeitung nur wenig Beachtung gefunden haben. Die Autoren konzentrieren sich hier auf Bewältigungsstrategien und bitten Arbeiter auf einer Crowdsourcing-Plattform, so zu handeln, wie sie es bevorzugen, um mit herausfordernden Situationen umzugehen, indem sie entweder Kontakt aufnehmen, angreifen, sich distanzieren oder den Grund ablehnen. Die Arbeiter wurden dann gebeten, ihre Emotionen, ihre Bewertung und ihren Bewältigungsansatz anhand des Rollenspielcharakters oder ihrer eigenen Strategie zu beschreiben. Dies führte zu einem Korpus, der mit all diesen Variablen kommentiert wurde. 

Der Beitrag „How entangled is factuality and deception in German“ beschäftigt sich mit der Frage, ob sich Täuschungstexte, die sich auf faktische Informationen beziehen, von Täuschungstexten, die sich auf nicht-faktische Informationen beziehen, unterscheiden. Die Autoren bauen auf ihrer früheren Arbeit an einem mit Faktizitäts- und Täuschungsvariablen annotierten Korpus auf und modellieren diese Variablen auf der Basis des Textes. Die Erkennung der Täuschungsvariablen erweist sich als schwierig, aber interessanterweise sind einige Fact-Checking-Modelle erfolgreicher bei der Erkennung des Wahrheitsgehalts einer Aussage auf der Grundlage ehrlicher Texte als auf der Grundlage trügerischer Texte.