论辩文本立场检测——基于提示模型的小样本研究

鲜于波 黄伟鑫

1 引言

按照经典论辩理论，论辩是单个或多个主体之间通过单个命题或命题组合来证明自身观点、表达自身立场、反驳他方观点，以达到说服对方、消除争议、谋求共识的理性行为。（[24]）

由于互联网的高速发展，用户在网上产生了海量的论辩性文本。随着人工智能的发展，尤其是自然语言处理技术的迅速发展，越来越多的研究开始借助机器学习等方法对这些文本进行计算分析。在这些工作中，立场检测旨在检测论辩者针对特定话题所发表的观点的立场倾向，研究如何从非结构化自然语言文本中识别其立场。无论是从其应用前景还是学术价值来看，立场检测都是非常重要的内容，因此立场检测已经成为一个新兴的热门研究领域。

从现有的研究来看，大部分的立场检测都集中在法庭辩论（[23]）、或者在线论坛中的讨论（[26]）和微博（[32]）上，相关研究也取得了一定的进展。但是在中文界，论辩挖掘的研究还没有受到充分的重视，现有大部分立场检测主要分析社交媒体。从研究的现状来看，由于问题本身的挑战性，立场识别的准确性和模型的通用性都还有较大的改进空间。

近几年来，预训练大模型的兴起（[12]）标志自然语言处理范式发生了很大的变化。然而人们逐渐发现对大模型进行微调的要求也越来越高，复杂多样的下游任务也使得预训练和微调架构的设计变得十分困难繁琐。因此，研究者们迫切希望能有一种更加高效、轻量级别的少样本学习方法，而提示学习就代表了这方面的最新研究范式。

在中文自然语言处理领域，有关提示学习的研究方兴未艾，但是使用提示模型进行论辩研究的很少，特别是关于论辩文本立场检测的相关工作也不多。此外，作为论辩挖掘研究基础的论辩语料库的构建也是一件很耗费人工的工作。不过提示学习的少样本学习的特点和优势非常有利于论辩领域的研究，可以在一定程度上解决数据稀缺、模型微调难和泛化能力差等问题。因此，将提示方法应用到论辩文本立场检测就有良好的理论和实践意义。

本文通过开展论辩文本立场检测的研究，在新构建的论辩数据库上采用新的提示学习方法进行模型构建和小样本实验，表明提示学习的模型设计方法有助于文本论辩立场检测任务，并在小样本的条件下也依然能取得十分可观的性能。

主要创新在于针对论辩文本立场检测任务下实现了提示学习的方法。本文设计了两种新型的适用于立场检测任务方法：掩码位置导向手工模板和语义相似度加权表达器，还实现了提示学习领域自动模板生成方法（[13]）在立场检测上的设计，并与手工模板进行了实验对比。实验结果显示本文基于提示学习的中文立场检测模型P-RoBERTaMPOT+SSWV达到了较好的效果：通过使用少量数据训练，该模型就能达到与主流大模型微调模型相近的效果，特别是在中文论辩数据集上实现了较大的性能改进。

本文的内容安排如下：首先分析论辩文本立场检测的发展与现状，并对基于提示学习的立场检测模型的设计思路和方法进行介绍，然后在一般提示学习模型的主要框架上，引入了P-RoBERTaMPOT+SSWV中的模板工程和表达器工程，随后进行模型的实验评估与分析，最后是分析和展望。

2 相关工作分析

文献中关于立场检测任务主要有三种主流定义：通用立场检测（[14]），谣言立场检测（[30]）以及假新闻立场检测（[8]）等。通用立场检测又可以分为多目标立场检测（[19]）和跨目标立场检测（[3]）。目前文献中数量最多、最常见的关于立场检测的定义是单目标立场检测。从关注的问题来看，论辩文本的立场检测属于一种特殊的立场检测类型，但是由于论辩文本的特点，论辩立场的检测也自有特殊之处。

立场检测的早期工作中，一个典型的方法来自Somasundaran 等（[20]），他们把重点放在了在线辩论上。其他的一些研究则增加了对讨论线程之间互动性的研究，例如Stede 等（[22]）强调了反驳（rebuttals）在讨论当中的重要性。Hasan 等（[9]）对意识形态论辩进行了研究。对于在线辩论，Sridhar 等（[21]）的研究将语言学特征与基于网络结构的特征进行了结合。还有一些立场检测研究分析了学生论文，如Faulkner 等（[6,32]）。

在现有文献中，现有的立场检测方法大致可以分为两大类：基于特征的统计机器学习方法和深度学习方法。（[33]）

在现有的研究中，基于特征的传统统计机器机器算法如支持向量机（[9]）、决策树和随机森林（[1]）、隐马尔可夫模型HMM 和条件随机场CRF（[9]），K 近邻算法（[18]），对数线性模型（[5]），最大熵（[10]）等方法都得到广泛的应用。

近年来，随着人工智能的发展，深度学习（如RNN 及其变体和CNN 等）被大量应用于立场检测的研究中，如双向LSTM（[3]）、卷积神经网络CNN（[36]）和加入注意力机制Attention 的神经网络方法（[29,32]）等。

深度学习虽然功能强大，但存在模型体积大、训练时间长等特点，并且不同的下游任务需要训练和保存不同的模型，这要消耗大量的资源空间。因此随着预训练和大规模语言模型尤其是GPT（[16]）的发展，提示学习成为自然语言处理领域的一种新范式。大模型如bert（[25]）、GPT-3（[16]）等带来了一种新处理下游任务的方法：通过使用自然语言提示信息和任务示例作为上下文，因此只需少量样本甚至零样本。该方法能更好地利用预训练模型中的知识，能获得更好的性能和增强模型的泛化性能。

提示学习方法在许多自然语言处理任务上均可获得不错的效果。随着这一新范式的提出，许多研究者开始针对不同任务手工设计提示模板（[4,15,27]）等。但是手工设计提示模板比较耗时耗力，因此最近也有一些针对自动化模板的方法研究。例如Hambardzumyan（[7]）等提出了一种自动提示生成方法，简化了提示模板的设计。

在提示学习中，一项十分重要的工作是设计表达器或映射（verbalizer），如Schick 等（[17]）手工制作的表达器等。但手工设计受先验知识影响较大，还需要足够的数据集来进行优化调整。有鉴于此，一些研究提出了提示学习的自动表达器的构造方法，如Wei 等（[28]），还有一些其他工作尝试从外部知识库中选择相关词等（[11]）。

总的来看，提示学习新范式具有很多的优势。使用提示模板，使得模型可以在少样本学习条件下也能达到较高性能。提示学习通过将下游任务融入提示，设计模板的工作量和资源耗费要大大小于微调预训练模型。此外，提示学习中手工模板是由自然语言构成的，这意味着人们可以比较方便地借助自己对下游任务相关的领域知识来设计模板，提高模型的可解释性。

从上面的分析也可以看到，现有研究在论辩文本立场的研究中采用提示学习方法的研究很少，尤其是中文世界在论辩挖掘方面的研究还处于一个起步阶段。因此，在中文文本包括网络文本分析领域，采用提示学习和少样本学习的方法对论辩文本立场进行分析是非常有必要的和有意义的工作。

3 立场检模型设计

3.1 提示学习框架

本文立场检测模型基于提示学习，这里提示学习主要框架包括提示模板工程、预训练模型以及表达器工程三个大模块。（[12]）

3.1.1 提示模板工程

在提示学习方法中，第一步是提示模板工程。本文先给出提示学习在文本分类任务中的一般定义。给定一个输出x={x1,...,xn}，其真实标签y ∈Y（Y表示所有类别的标签集），标签词集Vy定义为{v1,...,vn}，其中Vy ∈V（V表示模型的整个词汇表）被映射到标签为y的类别中。在预训练语言模型M 中，Vy的每个词vi被填充到掩码（[MASK]）的概率可以表示为：P([MASK]=v ∈Vy|xp)

由此，立场检测的任务可以转换为标签词的概率计算问题，计算公式如公式(1):

3.1.2 预训练模型

关于预训练模型，翁沫豪（[34]）最近的研究对比了各类预训练模型在论辩立场检测任务上的性能，他的实验证明RoBERTa（[35]）在立场分类任务上表现最好。RoBERTa在其他场合也得到广泛的应用。因此本文将采用RoBERTabase进行实验。

3.1.3 表达器工程

表达器是一类用来将标签词映射到类别词的函数以缓解文本与标签空间的差异。一种最常见的做法是用与标签y相关的词对Vy进行扩展，例如在话题识别任务中V={“体育”}可以通过知识图谱、语义关联等方法进行扩展，如：

在立场检测任务下，必须注意的是，立场检测任务的文本所涉及的领域并不是某一特定领域，标签之间的领域存在交叉性，这在模型设计中应予以考虑。

3.2 立场检测模板设计

模板工程的方法可以分为手工设计模板和自动模板生成两大类。手工设计的模板采用自然语言的形式，由词汇表中离散的词或token 组成。由于手工模板是较为耗时费力的任务，因此开始学术界提出了自动化的模板生成方法。（[13]）

本文分别在手工与自动模板上进行了立场检测模型的设计。在手工模板设计上使用掩码位置导向的手工模板，在自动模板生成方法上使用P-tuning 方法实现立场检测任务。

3.2.1 掩码位置导向的手工模板

如采用手工方式设计一个立场检测模板，首先一个问题是如何将立场检测的任务特点与模型的架构结合起来。本文采用的RoBERTa是一种掩码语言模型，那么我们需要设计的模板就应该是通过MASK 遮蔽某些词，然后让模型预测出它的值，然后将预测出的值映射到数据的真实标签上。

一个做法是将立场检测任务转换成一个完形填空问题。但与一般的文本分类任务不同的是，立场检测任务有两个输入，一个是话题，一个是该话题下的一段文本。上述两个输入关联性很强，如何将这两个输入关联起来，就是立场检测任务进行手工模板设计的主要挑战。

本文从MASK 出发，以MASK 在模板中的位置关系作为导向，设计了掩码位置导向的手工模板-MPOT（Mask Position oriented Template）。为了尽可能的对比各类模板以体现方法的可靠性和一般性，本文从模板中出现的输入和掩码的位置关系出发，穷举了所有可能并对每种可能的位置关系设计了一个手工模板。具体方法如下。用X 表示输入的话题，T 表示输入的文本，M 表示掩码MASK。根据三者在模板中的位置关系，总共有XTM、TXM、XMT、TMX、MXT、MTX 六种情况，分别设计了如下六种手工模板。

P1=:X 话题中，观点T 持M 态度

P2=:在X 话题中持M 态度

P3=:以下观点在X 话题中持M 态度：T

P4=:观点T，M 话题X

P5=:M 话题X：T

P6=:一个M 观点：T，话题：X

根据掩码M 所在的位置，模板可以分为三类：前置掩码模板：P1,P2，中置掩码模板：P3,P4，后置掩码模板：P5,P6。同时，由于立场检测任务的分类标签是支持、反对以及中立，均为两个字组成的词。RoBERTa的中文分词器是以字为单位进行分割的，因此我们的模板在实际实验时需要添加两个空位，如对模板P1来说，实际输入时应该为“在X 话题中，观点T 持MM 态度”。

3.2.2 自动提示模板

本文对立场检测模板如何自动化构建进行了探究。自动模板设计的一项新方法来自Liu 等（[13]）提出的一种名为P-tuning 的方法，该方法的特点是可以自动搜索连续空间中的提示，使用梯度下降方法将模板的构建转化成了连续参数优化问题。

据此，本文设计了立场检测自动提示模板（Auto P-tuning for Stance Detection），其主要结构如下：

令V表示预训练模型M的词汇表，[Pi]表示模板P中的第i个token。X表示话题，T表示文本，Y表示标签。P-tuning 将[Pi]视为伪token 并将模板Pauto映射为：

其中，hi ∈V(0≤i ≤m)是可学习的嵌入向量（Embedding vector），将其定义为新的输入嵌入层作为模型编码器Encoder 的一部分。在训练的过程中，保持预训练模型参数不变，仅更新构造的嵌入层参数，最后，根据本任务的目标函数L，对连续提示进行优化。

本文采用分类问题常用的交叉熵作为目标函数，可以通过最小化交叉熵来得到目标函数分布的近似分布，它的表达式为：

其中D为数据真实结果的概率分布，M为模型预测结果的概率分布。

与[13]提出的模式类似，图1 是掩码位置导向的手工模板MPOT 以及实现了自动模板生成方法Auto P-tuning 在立场检测任务上的概念示意图。

其中离散手工提示以手动模板作为例子。黄色框代表模板中固定的词；蓝色框中X代表输入的话题，T代表输入的文本；红色框[MASK]代表掩码的所在位置（模型需要预测的位置）。在图1 左图离散手工提示中，MPOT 模板生成器生成手工模板后，模板固定不再改变，通过预训练模型和表达器来实现预测。在图1 右图连续自动提示中，通过伪提示词和提示编码器通过反向传播机制可以不断更新与优化。

图1:离散手工提示和连续自动提示的示意图

3.3 语义相似度加权表达器

表达器的主要目的是构建标签词到类标签的映射。本文经过标签词集的构建与扩展、表达器的使用两个步骤构造了一个语义相似度加权表达器SSWV（Semantic Similarity Weighting Verbalizer）。

3.3.1 标签词集的构建与扩展

对于本文的立场检测问题，真实类标签集为Y={支持,反对,中立}。那么最简单、直观、基础的标签集可以构建为V支持={支持}、V反对={反对}以及V中立={中立}。

有了这个基础标签集后，如何对其进行扩展有不同的做法，而对于立场检测任务，一般的方法比较难以适用。任何领域、任何话题下的文本都可能存在立场，立场可以用支持、反对、中立来被划分，从这三类标签不难看出，很难找到一个领域的知识能与支持或反对或中立相匹配，且不产生知识交叉。一种方法是通过外部知识融入的方法来扩展标签词集（[11]），另外很多研究者采用了不同的分类标签命名来完成立场检测任务，例如Gorrell 等（[11]）使用了评论（comment），支持（support），疑惑（query），否认（deny）作为立场分类标签。不难发现，这其中很多标签所表达的含义和指向的数据是相同的，比如赞成、同意、支持等，都是表达正面一方的立场。因此本文采用寻找与标签语义相近的方法对标签词集进行扩展，以支持、反对、中立三个标签作为语义中心词，寻找词向量空间中与之距离相近的词作为扩展词。

本文选择词表容量最大的中文近义词工具包Synonyms 来进行语义相似度计算。我们利用Synonyms 对三个标签分别进行近义词语义相似度搜索，只选择其中长度为2 的词，并从每个标签的候选词中选择了相似度最高的10 个词作为扩展词。扩展后的标签词集见表1：

表1:立场检测扩展标签词集

3.3.2 表达器的使用——基于加权平均算法

根据上小节，给定一个立场标签，其对应的标签词集已经被扩展到包含10 个标签词的集合。下面对这些标签词在表达器中如何恰当使用进行设计。一些论文采用了平均法对标签词集的概率值进行计算，本文中，每个标签词的重要性明显是不同的，因此采用加权平均算法，将各标签词集的相似度进行归一化后作为加权权重，以区分个标签词的重要性。

具体计算公式如下：类标签y ∈Y所对应的标签词集Vy={v1,...,vn}，它所对应的语义相似度集为：SVy={SV1,...,SVn}。那么根据公式(4)可得权重向量WVy={wV1,...,wVn}

那么，模型的输出标签y～的计算公式如下：

即给定一个输入xp，通过模板工程和预训练模型后获得某类标签y 所对应的标签词集所有标签词的对数概率后，根据权重向量加权求和，得到该标签的条件概率值，并由此输出立场预测。

4 实验评估与分析

本文实验的第一阶段是模板筛选，对本文设计的6 个MPOT 手工模板和自动模板方法P-tuning 进行对比实验，从而筛选出其中最佳的模板方式，得到本文的最佳模型。第二阶段是少样本学习实验。目的是检验第一阶段得到的RoBERTaMPOT+SSWV在少样本场景下的性能。分别设置了0、32、64、128 四个数量级别的训练样本数，还对原始数据集的每个话题进行分层抽样以提高样本的代表性。

4.1 数据集

所有实验在两个中文数据集上进行，分别为NLPCC 2016 年共享任务中所发布的“中文微博立场检测”数据集和中山大学网络文本论辩语料库，前者在中文立场检测领域是最为常用的数据集。

“中文微博立场检测数据集”共包括4000 条微博数据，被分成五个话题类，每个数据都有一个立场标签，为代表支持的“FAVOR”、代表反对的“AGAINST”以及代表中立的“NONE”中的一个。

中山大学网络文本论辩语料库是2022 年由中山大学逻辑与认知研究所建立的一个中文论辩挖掘语料库，文本来源于国内最大的问答社区知乎，包含的话题总计有26 个，涵盖了经济、社会等多个领域的争议性话题。该数据库也有三个标签，分别为代表支持，反对和中立的的“pro”，“con”和“non”。

表2:数据集大小统计表

4.2 实验设置与对比模型

4.2.1 模板筛选实验

对于两个数据集均使用70%的数据作为训练数据，15%的数据作为测试数据为验证集数据，15%的数据作为测试数据。根据表2，数据的长度平均在与100 以内，最大的也仅为332，数量也很少，因此本文实验的maxlen 统一设置为256 以尽可能的保留更多的文本信息，并对不足长度的数据进行填充。

对于微博数据集，在每个模板上均训练了30 个轮次，对于中山大学网络文本论辩数据集，由于数据集更大，对每个模板训练了50 个轮次。优化后的实验参数设置见表3。

4.2.2 少样本学习实验

该部分实验设置了0、32、64、28 四个数量的样本训练集。由于数据量不同，模型最终收敛的轮次也不同，这里每个实验均取过度拟合前最大的指标值。

表3:模板筛选实验参数表

实验对比的主要模型有：

微博数据集的对比模型：奠雨洁等（[31]）中文微博立场检测模型以及赵姝颖（[35]）。另外国外相关研究也进行了参考[2]。论辩语料库的对比模型：翁沫豪（[34]）对所构建的论辩语料库进行了立场检测任务，在RoBERTabase上达到了70.6%的准确率。

本文对RoBERTabase+Fine tuning 在少样本实验上保持翁（[34]）参数设置，学习率为2e-5，训练批次3 轮。由于奠雨洁等（[31]）并没有公开其模型的具体实验代码与参数，无法对其进行少样本学习实验。本文主要与其完整训练的模型结果进行对比。

4.3 实验结果与分析

4.3.1 模板筛选实验

表4:模板筛选实验结果

在两个数据集上的实验结果都记录在了表4 中，从实验结果可以看出：

(1) 手工模板P6在两个数据集上均取得了最高的F1-Score，分别为0.68 和0.8725，并且在论辩语料库中取得了最高的准确率0.8918。虽然在微博数据集上P6的准确率低于P3，但只相差不到0.003。因此，根据实验结果可得P6是当中最佳的立场检测手工模板。

(2)前置掩码的模板要比中置、后置掩码的模板效果要好（前置掩码模板：P1,P2，中置掩码模板：P3,P4，后置掩码模板：P5,P6）。其可能原因有以下两点：一是前置的掩码，其位置在长度不断变化的数据加入后，掩码的Mask 的位置比较固定。例如对比模板P5和模板P1，在文本数据输入并生成模板后，P5中的MASK位置始终保持在首位（除模型固定的特殊符号[CLS]外）；而对于P1模板，其位置则会随着输入的观点和话题的长度大小而改变。相对固定的MASK 位置会给与模型一定的监督信号，并在不断的训练过程中叠加增强。另一个可能的原因是与模型学习的难度有关，可能数据前置位的规律更容易被识别，相对与后置位更容易学习。

(3)对比手工模板和自动模板方法，可看出P-tuning 在两个数据集上的表现不尽人意，而且P-tuning 方法在收敛速度较慢。

(4)对比数据集之间的性能差别，中山大学网络文本论辩语料库（以下简称论辩语料库）比中文微博立场检测数据集性能高。这说明了论辩语料库中的文本立场能更准确被模型所检测，这体现了论辨性越高的文本，立场就越容易识别。

经过以上对第一阶段实验结果分析，本文通过掩码位置导向的手工模板方法MPOT 选择出的最佳模板为手工模板P6，结合所使用的RoBERTa预训练模型和语义相似度加权表达器，得到提示学习的立场检测模型：P-RoBERTaMPOT+SSWV。

4.4 少样本实验

表5:少样本学习实验结果

少样本学习实验结果如表5，模型P-RoBERTaMPOT+SSWV仅用128 个数据训练的条件下在两个数据集上分别达到了60.75%和68.35%的准确率。从实验结果可见：

(1)P-RoBERTaMPOT+SSWV在零样本学习下均取得了50%左右的准确率。如果直接使用RoBERTa的预训练任务进行零样本预测，其准确率在两个数据集上均不到30%。这反映了本文设计的MPOT 和SSWV 确实能够提高RoBERTa的预测能力。

(2)随着实验从0-shot 到128-shot 的变化，所有方法的性能都有所提升。这表明增加有标签的数据数量可以一定程度上增加少样本学习的效果。

(3)针对微博数据集而言，P-RoBERTaMPOT+SSWV在与使用128 个数据的少样本学习条件下达到了60.75%，与使用预训练模型RoBERTa在所有数据的条件下进行微调的结果64.83%只相差了4 个百分点，而两者所使用的数据量相差大约23倍之多，训练时间相差15 倍。由此可见，基于提示学习的P-RoBERTaMPOT+SSWV模型在少样本学习下，几乎可以媲美预训练模型+微调的方法，这将节省大量的数据标注、模型训练的人力和时间。

(4)针对论辩语料库而言，P-RoBERTaMPOT+SSWV在少样本学习下所达到的效果几乎与方法持平（在128-shot 下仅相差2 个百分点）。而如使用所有数据，更是大幅超越了RoBERTa+FT 的方法，提升了18.58%。

总的来说，模型P-RoBERTaMPOT+SSWV在大多数情况下达到了较好的表现，尤其是在少样本学习的场景下以及在论辩语料库上实现了较大幅度的性能提升，并且模型在具有一定差异性的数据集上均实现了稳定的性能，这也表明了该模型具有较好的泛化性能。

4.5 补充实验

为了更好地理解模型的内部结构以及模型对数据的处理，本文进行了三个补充实验，以观察所设计的SSWV 表达器对模型的影响。

补充实验一：表达器vs.SSWV 表达器

表6:表达器对比实验

本实验保持其他模型架构不变，仅改变其中的表达器。以未进行任何知识扩展的表达器，只是将标签类名作为标签词的作为对比表达器，结果显示，本文设计的SSWV 在不同数据集上均使模型有较大幅度的提升（分别约为8%、11%）。这体现出使用语义相似度对进行标签扩展的方法的有效性。

补充实验二：立场检测各类别的模型指标

本文的立场检测有三个类别，分别是支持、中立和反对。本实验对模型在这三个类别数据上的性能进行了统计，使用精确率、召回率和F1-Score 作为评价指标。实验结果见表7：

表7:类别指标对比实验

通过实验结果，可以看到本文模型在支持和反对类别的数据上均有较好的性能表现，F1-Score 均超过0.9，而在中立类别的数据上表现较弱一些。这显示了模型对立场鲜明的数据有更好的预测能力，而对立场不明确的文本表现稍弱。

补充实验三：语料库大小对自动模板生成方法P-tuning 的性能影响

由前面的结果可见，自动模板生成方法P-tuning 的性能表现欠佳，可能原因之一有数据样本过少。本文在中山大学网络文本论辩语料库的基础上，扩充该语料库，观察P-tuning 的性能。我们采用了增加现有的语料库的方式。UKP Sentential Argument Mining Corpus 是一个英文文本论证语料库，含8 个话题共25492 个句子的数据，每个论证采用“话题+论证句+立场”的形式。本文通过使用谷歌翻译获得了相应的中文文本。然后将其与原语料库混合并随机打乱进行实验，结果显示在表8：

表8:扩充语料库对自动模板生成实验

由此可见，扩充语料库对自动模板生成确实有一定的准确率的提升（5%），但对比手工模板仍然有一定的差距，这说明了单纯扩大语料库规模的方法还是有一定的局限性。

5 结语与展望

本文结合自然语言处理领域最新的提示学习方法对立场检测任务展开了研究，提出了一种新型的基于提示学习的立场检测模型P-RoBERTaMPOT+SSWV，获得了较好的效果，并在少样本学习的场景下取得了与预训练+微调的方法相近的性能。实验显示，在零样本学习场景下，提示学习的方法确实能改进现有的结果，这显示了提示学习的有效性和发展前景。实验也表明论辩结构越明显的文本，其立场检测效果越高。这既体现出论辩文本的特点，也证明提示学习在论辩文本立场的分析上可以发挥更多的作用，值得我们进一步去探索。

本文也存在一些不足和有待改进之处，如在提示学习框架中，对不同体量和架构的预训练模型的对比研究或采用更新的预训练大模型也是十分有必要的。此外，如何更好地设计具体手工模板的语言是一个重要问题，如何改进自动模板生成方法以及提出更好的提示方法也有待将来进一步的研究。