論文の概要: Text and Causal Inference: A Review of Using Text to Remove Confounding
from Causal Estimates
- arxiv url: http://arxiv.org/abs/2005.00649v1
- Date: Fri, 1 May 2020 23:20:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 00:05:05.178368
- Title: Text and Causal Inference: A Review of Using Text to Remove Confounding
from Causal Estimates
- Title（参考訳）: テキストと因果推論: 因果推定から反響を除去するためのテキストの利用のレビュー
- Authors: Katherine A. Keith, David Jensen, Brendan O'Connor
- Abstract要約: ソーシャルメディア投稿の個人の歴史全体やニュース記事の内容は、共同創設者の豊富な測定を提供する可能性がある。
テキストによるコンファウンディングの調整に注目が集まる一方で、未解決の問題も多い。
- 参考スコア（独自算出の注目度）: 15.69581581445705
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many applications of computational social science aim to infer causal
conclusions from non-experimental data. Such observational data often contains
confounders, variables that influence both potential causes and potential
effects. Unmeasured or latent confounders can bias causal estimates, and this
has motivated interest in measuring potential confounders from observed text.
For example, an individual's entire history of social media posts or the
content of a news article could provide a rich measurement of multiple
confounders. Yet, methods and applications for this problem are scattered
across different communities and evaluation practices are inconsistent. This
review is the first to gather and categorize these examples and provide a guide
to data-processing and evaluation decisions. Despite increased attention on
adjusting for confounding using text, there are still many open problems, which
we highlight in this paper.
- Abstract（参考訳）: 計算社会科学の多くの応用は、非実験データから因果的結論を推測することを目的としている。
このような観測データには、しばしば共同設立者、潜在的な原因と潜在的な影響の両方に影響を与える変数が含まれる。
測定されていない、または潜在している共同ファウンダーは因果推定に偏る可能性がある。
例えば、個人のソーシャルメディア投稿の歴史全体やニュース記事の内容は、複数の共同ファウンダーの豊富な測定結果を提供することができる。
しかし、この問題の方法や応用は異なるコミュニティに分散しており、評価実践は矛盾している。
このレビューは、これらのサンプルを収集して分類し、データ処理と評価決定のガイドを提供する最初のものです。
テキストによるコンファウンディングの調整に注目が集まっているが,まだ多くの問題があり,本稿ではその点を強調する。
関連論文リスト
- Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - A Taxonomy of Rater Disagreements: Surveying Challenges & Opportunities
from the Perspective of Annotating Online Toxicity [15.23055494327071]
Toxicityは、オンライン空間でますます一般的で深刻な問題になっている。
機械学習の研究の豊富な行は、オンライン毒性を計算的に検出し緩和することに焦点を当てている。
近年の研究では,本課題の主観的性質を考慮した会計の重要性が指摘されている。
論文 参考訳（メタデータ） (2023-11-07T21:00:51Z) - Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。
提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。
これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文 参考訳（メタデータ） (2023-05-25T21:01:00Z) - D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling
Algorithmic Bias [57.87117733071416]
D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。
ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。
それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
論文 参考訳（メタデータ） (2022-08-10T03:41:48Z) - Effects of Multi-Aspect Online Reviews with Unobserved Confounders:
Estimation and Implication [19.74820808192969]
当社は、オンラインレビューがビジネス収益および数値的要因(評価)に直接影響する影響を仲介者として調査する。
機械学習と因果推論の最近の進歩に基づき、隠れた共同創設者と因果効果を一緒に見積もる。
本稿では,実例を用いた実証的評価を行い,戦略的事業運営における多面的効果の差別化の重要性と意義について論じる。
論文 参考訳（メタデータ） (2021-10-04T23:38:21Z) - Some Ethical Issues in the Review Process of Machine Learning
Conferences [0.38073142980733]
最近の機械学習コミュニティの成功により、カンファレンスに提出された論文の数が大幅に増加した。
この増加は、これらのカンファレンスが使用している現在のレビュープロセスに影響を及ぼすいくつかの問題をより顕著にした。
本研究では, 審査員の採用問題, 二重盲検プロセスの侵害, 不正行為, 数値評価のバイアス, 付録現象について検討した。
論文 参考訳（メタデータ） (2021-06-01T21:22:41Z) - Adjusting for Confounders with Text: Challenges and an Empirical
Evaluation Framework for Causal Inference [15.506820260229256]
テキストソーシャルメディアデータを用いた因果推論研究は、人間の行動に関する実用的な洞察を与えることができる。
テキストを用いた因果的手法の実証評価フレームワークは存在しない。
本フレームワークは,テキストを用いた任意のカジュアル推論手法の評価を可能にする。
論文 参考訳（メタデータ） (2020-09-21T15:38:45Z) - Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
世論の研究は我々に貴重な情報を提供することができる。
感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。
本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
論文 参考訳（メタデータ） (2020-06-05T16:28:10Z) - Information Consumption and Social Response in a Segregated Environment:
the Case of Gab [74.5095691235917]
この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。
疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。
本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
論文 参考訳（メタデータ） (2020-06-03T11:34:25Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳（メタデータ） (2020-02-05T21:35:29Z)
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。