論文の概要: Hate Towards the Political Opponent: A Twitter Corpus Study of the 2020 US Elections on the Basis of Offensive Speech and Stance Detection

• arxiv url: http://arxiv.org/abs/2103.01664v1
• Date: Tue, 2 Mar 2021 11:59:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-05 02:39:57.428541
• Title: Hate Towards the Political Opponent: A Twitter Corpus Study of the 2020 US Elections on the Basis of Offensive Speech and Stance Detection
• Title（参考訳）: 政治的敵に対する憎しみ: 攻撃的言論とスタンス検出に基づく2020年アメリカ合衆国大統領選挙のtwitterコーパス調査
• Authors: Lara Grimminger and Roman Klinger
• Abstract要約: 我々は、バイデン候補とトランプ候補の支持者のオンラインコミュニケーションを、憎しみと攻撃的なコミュニケーションを発言することで調査する。 我々は、ヘイトフル/オフの音声検出とスタンス検出のタスクに参画するアノテーションタスクを定式化する。 我々は、ジョー・バイデンと民主党の支持者がドナルド・トランプや共和党の支持者と異なるコミュニケーションをとるかどうかを分析する。
• 参考スコア（独自算出の注目度）: 11.335643770130238
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The 2020 US Elections have been, more than ever before, characterized by social media campaigns and mutual accusations. We investigate in this paper if this manifests also in online communication of the supporters of the candidates Biden and Trump, by uttering hateful and offensive communication. We formulate an annotation task, in which we join the tasks of hateful/offensive speech detection and stance detection, and annotate 3000 Tweets from the campaign period, if they express a particular stance towards a candidate. Next to the established classes of favorable and against, we add mixed and neutral stances and also annotate if a candidate is mentioned without an opinion expression. Further, we annotate if the tweet is written in an offensive style. This enables us to analyze if supporters of Joe Biden and the Democratic Party communicate differently than supporters of Donald Trump and the Republican Party. A BERT baseline classifier shows that the detection if somebody is a supporter of a candidate can be performed with high quality (.89 F1 for Trump and .91 F1 for Biden), while the detection that somebody expresses to be against a candidate is more challenging (.79 F1 and .64 F1, respectively). The automatic detection of hate/offensive speech remains challenging (with .53 F1). Our corpus is publicly available and constitutes a novel resource for computational modelling of offensive language under consideration of stances.
• Abstract（参考訳）: 2020年の米国選挙は、ソーシャルメディアキャンペーンと相互非難によって特徴づけられています。 本論文では、ヘイトフルで攻撃的なコミュニケーションを発信することで、ビデンとトランプの支持者のオンラインコミュニケーションにも影響するかどうかを考察する。 嫌がらせ/攻撃的なスピーチ検出とスタンス検出のタスクに参加して、候補者に対する特定のスタンスを表現する場合、キャンペーン期間中に3000ツイートを注釈するアノテーションタスクを策定します。 有利と反対の確立されたクラスの横に、我々は混合と中立のスタンスを追加し、また、候補者が意見の表現なしで言及されている場合に注釈を付けます。 さらに、ツイートが攻撃的なスタイルで書かれているかどうかを注釈します。 これにより、ジョー・バイデンと民主党の支持者が、ドナルド・トランプや共和党の支持者と異なるコミュニケーションをとるかどうかを分析できる。 BERTベースライン分類器は、誰かが候補者の支持者である場合の検知を高品質で行うことができる(トランプは.89F1、バイデンは.91F1)一方、候補者に対して反対であることを示す検出はより困難である(それぞれ.79F1、.64F1)。 ヘイト/攻撃音声の自動検出は依然として困難である(.53 f1)。 我々のコーパスは公開されており、姿勢を考慮した攻撃的言語の計算モデリングのための新しい資源となっている。

関連論文リスト

• Quantifying the Uniqueness of Donald Trump in Presidential Discourse [51.76056700705539]
  本稿では,大規模言語モデルに基づく一意性尺度を提案する。 トランプ氏の演説パターンが、最近の歴史の中で大統領候補に指名されたすべての主要政党の発言パターンから逸脱していることを示す証拠が相当ある」と述べた。
  論文  参考訳（メタデータ） (2024-01-02T19:00:17Z)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• Novelty in news search: a longitudinal study of the 2020 US elections [62.997667081978825]
  我々は、トップニュース検索結果に現れる新しい項目を測定するノベルティを解析する。 トピックや安定したクエリに比べて,選挙関連クエリに新たな項目が出現する傾向にある。 このような不均衡は、選挙期間中のニュース検索における政治候補者の可視性に影響を与えると論じる。
  論文  参考訳（メタデータ） (2022-11-09T08:42:37Z)
• Sentiment is all you need to win US Presidential elections [0.0]
  我々は、共和党候補のドナルド・トランプ、民主党候補のジョー・バイデンの演説と感情を調査し、2020年の米大統領選に向けて戦う。 アメリカ合衆国における人種的二分法を比較して、異なる候補者の勝利と敗北の要因を分析した。 われわれはこの取り組みが選挙キャンペーン戦略に影響を及ぼし、多様な群衆とコミュニケーションするための基盤となると信じている。
  論文  参考訳（メタデータ） (2022-09-27T16:06:53Z)
• United States Politicians' Tone Became More Negative with 2016 Primary Campaigns [11.712441267029092]
  われわれは、米国の政治家18,627人によるオンラインニュースから2400万件の引用をまとめた、新しい総合的なコーパスに、精神言語ツールを適用した。 オバマの任期中に否定的な感情の単語の頻度が連続的に減少していたのに対し、2016年の予備選挙によって突然、そして持続的に増加したことが示される。 この研究は、トランプの選挙運動が触媒として始まった後、よりネガティブな政治的トーンへの劇的なシフトを示す最初の大規模なデータ駆動型証拠を提供する。
  論文  参考訳（メタデータ） (2022-07-17T08:41:14Z)
• Reaching the bubble may not be enough: news media role in online political polarization [58.720142291102135]
  分極を減らす方法は、異なる政治的指向を持つ個人に党間のニュースを分配することである。 本研究は、ブラジルとカナダにおける全国選挙の文脈において、これが成立するかどうかを考察する。
  論文  参考訳（メタデータ） (2021-09-18T11:34:04Z)
• Hate versus Politics: Detection of Hate against Policy makers in Italian tweets [0.6289422225292998]
  本稿では,イタリアにおけるTwitterの政策立案者に対するヘイトスピーチの分類問題について論じる。 1264ツイートを収集,注釈し,アノテータ間の不一致事例を調査し,ドメイン内およびドメイン間ヘイトスピーチ分類を行った。 我々は、ROC AUC 0.83の性能を達成し、最も予測可能な属性を分析し、また、反政治家と反移民ドメインで異なる言語特徴を見出した。
  論文  参考訳（メタデータ） (2021-07-12T12:24:45Z)
• Mundus vult decipi, ergo decipiatur: Visual Communication of Uncertainty in Election Polls [56.8172499765118]
  我々は、今放送と予測におけるバイアスの潜在的な源について論じる。 概念は、誤認識された正確性の問題を軽減するために提示される。 主要なアイデアの1つは、パーティーシェアではなくイベントの確率を使うことである。
  論文  参考訳（メタデータ） (2021-04-28T07:02:24Z)
• 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)
• Towards Measuring Adversarial Twitter Interactions against Candidates in the US Midterm Elections [25.374045377135307]
  我々は,2018年の米総選挙に臨む米下院の候補者に対する敵対的相互作用を計測する。 我々は、特定の候補に向けられた有害なコンテンツでツイートを検出する新しい手法を開発した。 我々はこれらの手法を用いて、攻撃的名声、暴力の脅威、不信任情報の投稿、アイデンティティへの攻撃、敵対的メッセージの繰り返しなど、選挙で見られる敵の対話の幅を概説する。
  論文  参考訳（メタデータ） (2020-05-09T10:00:41Z)

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。