論文の概要: Detecting East Asian Prejudice on Social Media

• arxiv url: http://arxiv.org/abs/2005.03909v1
• Date: Fri, 8 May 2020 08:53:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 13:00:37.552270
• Title: Detecting East Asian Prejudice on Social Media
• Title（参考訳）: ソーシャルメディア上での東アジアの偏見の検出
• Authors: Bertie Vidgen, Austin Botelho, David Broniatowski, Ella Guest, Matthew Hall, Helen Margetts, Rebekah Tromble, Zeerak Waseem, Scott Hale
• Abstract要約: 本稿は,Twitterのソーシャルメディア投稿を,東アジアに対する敵意,東アジア批判,東アジア偏見のメタ・ディカッション,中立の4つのクラスに分類し分類する分類器の作成について報告する。
• 参考スコア（独自算出の注目度）: 10.647940201343575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The outbreak of COVID-19 has transformed societies across the world as governments tackle the health, economic and social costs of the pandemic. It has also raised concerns about the spread of hateful language and prejudice online, especially hostility directed against East Asia. In this paper we report on the creation of a classifier that detects and categorizes social media posts from Twitter into four classes: Hostility against East Asia, Criticism of East Asia, Meta-discussions of East Asian prejudice and a neutral class. The classifier achieves an F1 score of 0.83 across all four classes. We provide our final model (coded in Python), as well as a new 20,000 tweet training dataset used to make the classifier, two analyses of hashtags associated with East Asian prejudice and the annotation codebook. The classifier can be implemented by other researchers, assisting with both online content moderation processes and further research into the dynamics, prevalence and impact of East Asian prejudice online during this global pandemic.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)の流行は、政府がパンデミックの健康、経済、社会のコストに取り組み、世界中の社会を変えてきた。 また、ネット上でヘイトフルな言語や偏見の拡散、特に東アジアに対する敵意への懸念も持ち上がっている。 本稿では,Twitterのソーシャルメディア投稿を,東アジアに対する敵意,東アジア批判,東アジア偏見のメタ・ディカッション,中立の4つのクラスに分類し分類する分類器の作成について報告する。 分類器は4つのクラスすべてで0.83のF1スコアを達成する。 最終モデル(Pythonでコード化)に加えて,分類器の作成に使用される2万件のツイートトレーニングデータセット,東アジアの偏見に関連するハッシュタグとアノテーションコードブックに関する2つの分析も提供しています。 この分類は、他の研究者によって実施され、オンラインコンテンツモデレーションプロセスと、この世界的なパンデミックの間、オンラインの東アジア偏見のダイナミクス、流行、および影響に関するさらなる研究の両方を支援することができる。

関連論文リスト

• SPEED++: A Multilingual Event Extraction Framework for Epidemic Prediction and Preparedness [73.73883111570458]
  多様な疾患や言語に対する流行イベント情報を抽出する,最初の多言語イベント抽出フレームワークを提案する。 各言語でデータに注釈を付けることは不可能であり、ゼロショット・クロスランガル・クロス・ディスリーズ・モデルを開発する。 われわれのフレームワークは、2019年12月初旬に中国のWeiboポストから、中国でのトレーニングなしに、新型コロナウイルスの流行を警告することができる。
  論文  参考訳（メタデータ） (2024-10-24T03:03:54Z)
• A Community-Centric Perspective for Characterizing and Detecting Anti-Asian Violence-Provoking Speech [31.98433210638392]
  暴力を誘発する演説は、パンデミック中の反アジア犯罪の急増に寄与した。 我々は、反アジア暴力を誘発する音声を特徴付けるコードブックを開発し、コミュニティソースのデータセットを収集する。 暴力を誘発する音声の正確かつ確実な検出が課題であることを示す。
  論文  参考訳（メタデータ） (2024-07-21T17:27:17Z)
• Are Personalized Stochastic Parrots More Dangerous? Evaluating Persona Biases in Dialogue Systems [103.416202777731]
  我々は、対話モデルが採用するペルソナに付随する有害な行動の感度であると定義する「ペルソナバイアス」について検討する。 我々は,人格バイアスを有害な表現と有害な合意のバイアスに分類し,攻撃性,有害継続性,関連性,ステレオタイプ合意,および有害合意の5つの側面において,人格バイアスを測定する包括的な評価枠組みを確立する。
  論文  参考訳（メタデータ） (2023-10-08T21:03:18Z)
• KoSBi: A Dataset for Mitigating Social Bias Risks Towards Safer Large Language Model Application [45.3863281375947]
  大規模言語モデル(LLM)は、自然テキスト生成能力だけでなく、現実世界のデータから異なる人口集団に対する社会的偏見も学習する。 既存の研究や資源は、言語や文化の違いから、韓国では容易には適用できない。 我々は,韓国における34k対の文脈と文からなる新しい社会的バイアスデータセット KO SB I を15のカテゴリーで72の人口集団をカバーした。
  論文  参考訳（メタデータ） (2023-05-28T12:07:16Z)
• Multi-dimensional Racism Classification during COVID-19: Stigmatization, Offensiveness, Blame, and Exclusion [1.0878040851638]
  我々は、人種差別検出のための多次元モデル、すなわち、スティグマティゼーション、攻撃性、非難、排除を開発する。 この分類学的検出は、新型コロナウイルス(COVID-19)中のデジタルプラットフォームにおける人種差別的議論の根底にある微妙さに関する洞察を可能にする。
  論文  参考訳（メタデータ） (2022-08-29T00:38:56Z)
• "Stop Asian Hate!" : Refining Detection of Anti-Asian Hate Speech During the COVID-19 Pandemic [2.5227595609842206]
  新型コロナウイルス(COVID-19)のパンデミックは、アジアでのキセノフォビアと偏見の急増を加速させた。 我々は2つの実験的なアプローチを用いてTwitterのツイートのコーパスを作成して注釈付けし、反アジア人虐待とヘイトスピーチを探索する。
  論文  参考訳（メタデータ） (2021-12-04T06:55:19Z)
• Predicting Anti-Asian Hateful Users on Twitter during COVID-19 [7.788173128266611]
  我々は、新型コロナウイルスの感染拡大に伴う反アジア的ヘイトメッセージの投稿を始めたソーシャルメディアユーザーを特徴付けるために自然言語処理技術を適用した。 後日、誰が反アジアスラーを公に投稿したかを予測することは可能である。
  論文  参考訳（メタデータ） (2021-09-15T13:49:37Z)
• Towards Understanding and Mitigating Social Biases in Language Models [107.82654101403264]
  大規模事前訓練言語モデル(LM)は、望ましくない表現バイアスを示すのに潜在的に危険である。 テキスト生成における社会的バイアスを軽減するためのステップを提案する。 我々の経験的結果と人的評価は、重要な文脈情報を保持しながらバイアスを緩和する効果を示す。
  論文  参考訳（メタデータ） (2021-06-24T17:52:43Z)
• Revealing Persona Biases in Dialogue Systems [64.96908171646808]
  対話システムにおけるペルソナバイアスに関する最初の大規模研究について述べる。 我々は、異なる社会階級、性的指向、人種、性別のペルソナの分析を行う。 BlenderおよびDialoGPT対話システムの研究では、ペルソナの選択が生成された応答の害の程度に影響を与える可能性があることを示しています。
  論文  参考訳（メタデータ） (2021-04-18T05:44:41Z)
• Hate Speech Detection and Racial Bias Mitigation in Social Media based on BERT model [1.9336815376402716]
  本稿では,既存の学習済み言語モデルであるBERTに基づくヘイトスピーチ検出のための伝達学習手法を提案する。 提案したモデルは、人種差別、セクシズム、憎悪、攻撃的なコンテンツをTwitter上で注釈付けした2つの公開データセット上で評価する。
  論文  参考訳（メタデータ） (2020-08-14T16:47:25Z)
• Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media during the COVID-19 Crisis [51.39895377836919]
  新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。 我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。 私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
  論文  参考訳（メタデータ） (2020-05-25T21:58:09Z)

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。