論文の概要: Helping users discover perspectives: Enhancing opinion mining with joint
topic models
- arxiv url: http://arxiv.org/abs/2010.12505v2
- Date: Wed, 28 Apr 2021 20:28:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 22:43:48.412087
- Title: Helping users discover perspectives: Enhancing opinion mining with joint
topic models
- Title(参考訳): 視点の発見を支援する:共同トピックモデルによる意見マイニングの強化
- Authors: Tim Draws, Jody Liu, Nava Tintarev
- Abstract要約: 本稿では,共同トピックモデリングによる意見マイニングの強化について考察する。
我々は,抽出された視点の人間の理解可能性を評価するユーザスタディにおいて,共同トピックモデル(TAM,JST,VODUM,LAM)を4つ評価した。
- 参考スコア(独自算出の注目度): 5.2424255020469595
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Support or opposition concerning a debated claim such as abortion should be
legal can have different underlying reasons, which we call perspectives. This
paper explores how opinion mining can be enhanced with joint topic modeling, to
identify distinct perspectives within the topic, providing an informative
overview from unstructured text. We evaluate four joint topic models (TAM, JST,
VODUM, and LAM) in a user study assessing human understandability of the
extracted perspectives. Based on the results, we conclude that joint topic
models such as TAM can discover perspectives that align with human judgments.
Moreover, our results suggest that users are not influenced by their
pre-existing stance on the topic of abortion when interpreting the output of
topic models.
- Abstract(参考訳): 中絶のような議論された主張に対する支持または反対は合法であるべきであり、異なる根本的な理由を持ちうる。
本稿では、意見マイニングを共同トピックモデリングにより強化し、そのトピック内の異なる視点を識別し、非構造化テキストから情報的概要を提供する。
我々は,抽出された視点の人間の理解可能性を評価するユーザスタディにおいて,TAM,JST,VODUM,LAMの4つの共同トピックモデルを評価する。
その結果,TAMのような共同話題モデルでは,人間の判断と一致した視点が発見できることがわかった。
また,本研究の結果から,利用者は,中絶の話題に対する既往のスタンスに影響を受けないことが示唆された。
関連論文リスト
- ArguMentor: Augmenting User Experiences with Counter-Perspectives [4.84187718353576]
私たちはArguMentorを設計しました。
LLMを使用してそれらに対する反論を識別し、現在のイベントに基づいたコンテキストベースの要約を生成する。
評価の結果、参加者はより多くの議論や反論を生成でき、システムに関わった後、平均すると、より穏健な視点を持てることが明らかとなった。
論文 参考訳(メタデータ) (2024-06-04T21:43:56Z) - PAKT: Perspectivized Argumentation Knowledge Graph and Tool for Deliberation Analysis (with Supplementary Materials) [18.436817251174357]
本稿では,パースペクティブ化された問合せ知識グラフとツールであるPAKTを提案する。
グラフは様々なトピックにまたがって議論空間を構成し、議論は前提と結論に分けられる。
本稿では,PAKTの構築方法と,得られた多面的議論グラフのケーススタディについて述べる。
論文 参考訳(メタデータ) (2024-04-16T13:47:19Z) - Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。
従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。
そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
論文 参考訳(メタデータ) (2023-12-26T15:44:09Z) - Fostering User Engagement in the Critical Reflection of Arguments [3.26297440422721]
本研究では,人間との対話を行うシステムを提案する。
ユーザが既存の意見に集中しすぎれば,システムに介入することが可能になる。
58名の被験者を対象に,本モデルと介入機構の効果について調査を行った。
論文 参考訳(メタデータ) (2023-08-17T15:48:23Z) - Natural Language Decompositions of Implicit Content Enable Better Text
Representations [56.85319224208865]
本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。
我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。
本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
論文 参考訳(メタデータ) (2023-05-23T23:45:20Z) - Perspectives on Large Language Models for Relevance Judgment [56.935731584323996]
大型言語モデル(LLM)は、関連判断を支援することができると主張している。
自動判定が検索システムの評価に確実に利用できるかどうかは不明である。
論文 参考訳(メタデータ) (2023-04-13T13:08:38Z) - Aspect-Controllable Opinion Summarization [58.5308638148329]
アスペクトクエリに基づいてカスタマイズした要約を生成する手法を提案する。
レビューコーパスを用いて、アスペクトコントローラで強化された(リビュー、サマリ)ペアの合成トレーニングデータセットを作成する。
合成データセットを用いて事前学習したモデルを微調整し、アスペクトコントローラを変更することでアスペクト固有の要約を生成する。
論文 参考訳(メタデータ) (2021-09-07T16:09:17Z) - Out of Context: A New Clue for Context Modeling of Aspect-based
Sentiment Analysis [54.735400754548635]
ABSAは、与えられた側面に関してレビューで表現された感情を予測することを目的としている。
与えられたアスペクトは、コンテキストモデリングプロセスにおけるコンテキストからの新たなヒントと見なされるべきである。
異なるバックボーンに基づいて複数のアスペクト認識コンテキストエンコーダを設計する。
論文 参考訳(メタデータ) (2021-06-21T02:26:03Z) - ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive
Summarization with Argument Mining [61.82562838486632]
我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。
我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
論文 参考訳(メタデータ) (2021-06-01T22:17:13Z) - A Disentangled Adversarial Neural Topic Model for Separating Opinions
from Plots in User Reviews [35.802290746473524]
本稿では,ニューラルトピックモデルと敵対的トレーニングを組み合わせることで,プロットと中立的トピックから意見トピックを分離する手法を提案する。
本研究は,新たな映画・書評の収集とプロットの併用による評価を実験的に実施する。
改善されたコヒーレンスと多種多様なトピック、一貫した絡み合い率、および他の教師付きトピックモデルよりも優れた感情分類性能を示す。
論文 参考訳(メタデータ) (2020-10-22T02:15:13Z) - A model to support collective reasoning: Formalization, analysis and
computational assessment [1.126958266688732]
そこで本研究では,人間の議論を表現する新しいモデルと,それらから集合的な結論を得る方法を提案する。
このモデルは、ユーザが議論に新しい情報を導入することによって、既存のアプローチの欠点を克服する。
合意の欠如があっても、集約された意見が一貫性を持つことが示される。
論文 参考訳(メタデータ) (2020-07-14T06:55:32Z)
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。