論文の概要: FrameAxis: Characterizing Microframe Bias and Intensity with Word
Embedding
- arxiv url: http://arxiv.org/abs/2002.08608v4
- Date: Fri, 23 Jul 2021 01:45:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 08:02:06.582812
- Title: FrameAxis: Characterizing Microframe Bias and Intensity with Word
Embedding
- Title（参考訳）: FrameAxis: ワード埋め込みによるマイクロフレームバイアスと強度のキャラクタリゼーション
- Authors: Haewoon Kwak and Jisun An and Elise Jing and Yong-Yeol Ahn
- Abstract要約: 本稿では,最も関連性の高い意味軸(マイクロフレーム)を識別し,文書を特徴付ける方法であるFrameAxisを提案する。
FrameAxisは、マイクロフレームがテキストでどのように使われているかという、2つの重要な次元を定量的に評価するように設計されている。
レストランレビューから政治ニュースまで,複数のデータセットにFrameAxisを適用することで,感情,トピック,パルチザンのスペクトルと高いバイアスと強度のマイクロフレームが一致していることを示す。
- 参考スコア（独自算出の注目度）: 8.278618225536807
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Framing is a process of emphasizing a certain aspect of an issue over the
others, nudging readers or listeners towards different positions on the issue
even without making a biased argument. {Here, we propose FrameAxis, a method
for characterizing documents by identifying the most relevant semantic axes
("microframes") that are overrepresented in the text using word embedding. Our
unsupervised approach can be readily applied to large datasets because it does
not require manual annotations. It can also provide nuanced insights by
considering a rich set of semantic axes. FrameAxis is designed to
quantitatively tease out two important dimensions of how microframes are used
in the text. \textit{Microframe bias} captures how biased the text is on a
certain microframe, and \textit{microframe intensity} shows how actively a
certain microframe is used. Together, they offer a detailed characterization of
the text. We demonstrate that microframes with the highest bias and intensity
well align with sentiment, topic, and partisan spectrum by applying FrameAxis
to multiple datasets from restaurant reviews to political news.} The existing
domain knowledge can be incorporated into FrameAxis {by using custom
microframes and by using FrameAxis as an iterative exploratory analysis
instrument.} Additionally, we propose methods for explaining the results of
FrameAxis at the level of individual words and documents. Our method may
accelerate scalable and sophisticated computational analyses of framing across
disciplines.
- Abstract（参考訳）: フレーミング(framing)は、他の問題よりも問題のある側面を強調するプロセスであり、バイアスのある議論をすることなく、読者やリスナーを問題に関する異なるポジションに向かわせる。
本稿では,テキスト中に単語埋め込みを用いて過剰表現される最も関連性の高い意味軸(「マイクロフレーム」)を識別し,文書を特徴付ける手法であるframeaxisを提案する。
手動アノテーションを必要としないので、教師なしのアプローチは大規模なデータセットにも簡単に適用できます。
豊富なセマンティクス軸を考えることで、ニュアンス的な洞察を提供することもできる。
frameaxisは、テキストでマイクロフレームがどのように使われているかの2つの重要な次元を定量的に解くように設計されている。
\textit{Microframe bias}は、あるマイクロフレーム上でのテキストの偏りをキャプチャし、 \textit{microframe intensity}は、あるマイクロフレームがどれだけアクティブに使われているかを示す。
それらは、テキストの詳細な特徴付けを提供する。
レストランレビューから政治ニュースまで,複数のデータセットにFrameAxisを適用することで,感情,トピック,パルチザンのスペクトルと高いバイアスと強度のマイクロフレームが一致していることを示す。
} 既存のドメイン知識は、カスタムマイクロフレームと反復探索分析器としてのフレーム軸を用いて、フレーム軸に組み込むことができる。
さらに,個々の単語や文書のレベルでフレーム軸の結果を説明する手法を提案する。
本手法は,分野間のフラーミングのスケーラブルで高度な計算解析を高速化する。
関連論文リスト
- Contextual Document Embeddings [77.22328616983417]
本稿では,コンテキスト化された文書埋め込みのための2つの補完手法を提案する。
第一に、文書近傍を明示的にバッチ内コンテキスト損失に組み込む別のコントラスト学習目標である。
第二に、隣接する文書情報をエンコードされた表現に明示的にエンコードする新しいコンテキストアーキテクチャ。
論文 参考訳（メタデータ） (2024-10-03T14:33:34Z) - FrameFinder: Explorative Multi-Perspective Framing Extraction from News
Headlines [3.3181276611945263]
テキストデータからフレームを抽出・解析するオープンツールであるFrameFinderについて述べる。
確立された銃暴力フレームコーパスを解析することにより,提案手法のメリットを実証する。
論文 参考訳（メタデータ） (2023-12-14T14:41:37Z) - UFineBench: Towards Text-based Person Retrieval with Ultra-fine Granularity [50.91030850662369]
既存のテキストベースの人物検索データセットは、しばしば比較的粗い粒度のテキストアノテーションを持つ。
これにより、実際のシナリオにおけるクエリテキストのきめ細かいセマンティクスを理解するモデルが妨げられます。
我々は,超微細な人物検索のためにtextbfUFineBench という新しいベンチマークを作成した。
論文 参考訳（メタデータ） (2023-12-06T11:50:14Z) - Correspondence Matters for Video Referring Expression Comprehension [64.60046797561455]
ビデオ参照表現(REC)は、文章に記述された参照オブジェクトをビデオフレーム内の視覚領域にローカライズすることを目的としている。
既存の手法では,1)ビデオフレーム間の非一貫性な局所化結果,2)参照オブジェクトとコンテキストオブジェクトの混同という2つの問題に悩まされている。
本稿では、フレーム間およびクロスモーダルの両方で密接な関連性を明確に強化する新しいデュアル対応ネットワーク(DCNet)を提案する。
論文 参考訳（メタデータ） (2022-07-21T10:31:39Z) - TRIE++: Towards End-to-End Information Extraction from Visually Rich
Documents [51.744527199305445]
本稿では,視覚的にリッチな文書からエンド・ツー・エンドの情報抽出フレームワークを提案する。
テキスト読み出しと情報抽出は、よく設計されたマルチモーダルコンテキストブロックを介して互いに強化することができる。
フレームワークはエンドツーエンドのトレーニング可能な方法でトレーニングでき、グローバルな最適化が達成できる。
論文 参考訳（メタデータ） (2022-07-14T08:52:07Z) - Fine-Grained Visual Entailment [51.66881737644983]
そこで本稿では,テキストから画像への微粒な知識要素の論理的関係を予測することを目的として,このタスクの拡張を提案する。
従来の研究とは異なり、本手法は本質的に説明可能であり、異なるレベルの粒度で論理的予測を行う。
本手法は,手動でアノテートした知識要素のデータセットを用いて評価し,この課題に対して68.18%の精度を達成できることを示す。
論文 参考訳（メタデータ） (2022-03-29T16:09:38Z) - Representing Mixtures of Word Embeddings with Mixtures of Topic
Embeddings [46.324584649014284]
トピックモデルはしばしば、文書の各単語が、一連のトピックと文書固有のトピック比に基づいてどのように生成されるかを説明する生成モデルとして定式化される。
本稿では、各文書を単語埋め込みベクトルの集合と見なし、各トピックを同じ埋め込み空間に埋め込みベクトルとしてモデル化する新しいトピックモデリングフレームワークを提案する。
同じベクトル空間に単語とトピックを埋め込み、文書の単語の埋め込みベクトルとそれらのトピックのセマンティックな差異を測る方法を定義し、すべての文書に対して期待される差を最小化するためにトピックの埋め込みを最適化する。
論文 参考訳（メタデータ） (2022-03-03T08:46:23Z) - Sister Help: Data Augmentation for Frame-Semantic Role Labeling [9.62264668211579]
既存のフレーム固有のアノテーションを用いて、注釈のない同じフレームの他の語彙単位を自動的に注釈付けするデータ拡張手法を提案する。
本稿では,このデータ強化の重要性を示すフレーム・セマンティック・ロール・ラベリングの実験を行う。
論文 参考訳（メタデータ） (2021-09-16T05:15:29Z) - Comprehensive Studies for Arbitrary-shape Scene Text Detection [78.50639779134944]
ボトムアップに基づくシーンテキスト検出のための統合フレームワークを提案する。
統一されたフレームワークの下では、非コアモジュールの一貫性のある設定が保証されます。
包括的調査と精巧な分析により、以前のモデルの利点と欠点を明らかにしている。
論文 参考訳（メタデータ） (2021-07-25T13:18:55Z) - Semantic Frame Induction using Masked Word Embeddings and Two-Step
Clustering [9.93359829907774]
マスク付き単語埋め込みと2段階クラスタリングを用いた意味的フレーム誘導手法を提案する。
マスク付き単語埋め込みは,フレーム呼出動詞の表面情報への依存度を過度に回避するために有効であることを示す。
論文 参考訳（メタデータ） (2021-05-27T22:00:33Z) - Domain-Specific Lexical Grounding in Noisy Visual-Textual Documents [17.672677325827454]
画像は単語の文脈的意味に関する洞察を与えることができるが、現在の画像テキストの基盤化アプローチでは詳細なアノテーションが必要である。
本稿では,オブジェクト検出や画像タグ付けのベースラインを越えた精度の向上とリコールを実現する,単純なクラスタリングに基づくクラスタリング手法を提案する。
提案手法は, 単語の局所的文脈意味に対して特に有効である。例えば, 不動産データセットのカウンタートップと, ウィキペディアデータセットの岩の多いランドスケープとを関連付ける。
論文 参考訳（メタデータ） (2020-10-30T16:39:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。