词向量是将词语转换成计算机能理解的数值形式的方法，能够根据词与词之间的共现关系学习得到每个词的向量表示。深度学习框架下的语言模型能够学习到上下文相关的词向量，这些向量不仅反映了词语的固有意义，还包含了特定上下文中的语义信息。词向量的应用场景包括文本分类、信息检索、机器翻译、聊天机器人、语义分析和文本生成。OpenAI推荐的获取词向量接口会返回1536维的向量。

本研究提出了一种支持立场提取网络（SEN），可以在一个统一的框架中提取多模态证据的不同立场，并引入基于命名实体的共现关系计算的支持 - 反驳分数到文本 SEN 中。实验结果显示，该方法优于现有的基线模型，最佳模型在准确率上取得了3.2%的性能提升。