論文の概要: Modeling the Severity of Complaints in Social Media
- arxiv url: http://arxiv.org/abs/2103.12428v1
- Date: Tue, 23 Mar 2021 10:13:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-24 13:59:11.220069
- Title: Modeling the Severity of Complaints in Social Media
- Title（参考訳）: ソーシャルメディアにおける苦情の重大さのモデル化
- Authors: Mali Jin and Nikolaos Aletras
- Abstract要約: プラグマティクスの言語理論は、苦情を、苦情者が受け取ろうとする顔の脅威に基づいて、様々な深刻度レベルに分類する。
これは、苦情者の意図と人間の適切な謝罪戦略の開発方法を理解するために特に役立ちます。
計算言語学において,苦情の重症度を初めて調査した。
- 参考スコア（独自算出の注目度）: 9.909170013118775
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The speech act of complaining is used by humans to communicate a negative
mismatch between reality and expectations as a reaction to an unfavorable
situation. Linguistic theory of pragmatics categorizes complaints into various
severity levels based on the face-threat that the complainer is willing to
undertake. This is particularly useful for understanding the intent of
complainers and how humans develop suitable apology strategies. In this paper,
we study the severity level of complaints for the first time in computational
linguistics. To facilitate this, we enrich a publicly available data set of
complaints with four severity categories and train different transformer-based
networks combined with linguistic information achieving 55.7 macro F1. We also
jointly model binary complaint classification and complaint severity in a
multi-task setting achieving new state-of-the-art results on binary complaint
detection reaching up to 88.2 macro F1. Finally, we present a qualitative
analysis of the behavior of our models in predicting complaint severity levels.
- Abstract（参考訳）: 不平を言う言動は、人間が不利な状況に対する反応として現実と期待の間の負のミスマッチを伝えるために用いられる。
プラグマティクスの言語理論は、苦情を、苦情者が受け取ろうとする顔の脅威に基づいて、様々な深刻度レベルに分類する。
これは、不満者の意図や人間が適切な謝罪戦略をどのように展開するかを理解するのに特に有用である。
本稿では,計算機言語学において初めて苦情の重大度レベルについて検討する。
これを容易にするために,4つの重大カテゴリを持つ苦情集合を公開し,言語情報と55.7マクロF1を併用したトランスフォーマーネットワークを訓練する。
また, 88.2マクロf1まで到達した2次苦情検出において, 新たな最先端結果を達成するマルチタスク環境において, バイナリ苦情分類と苦情重大度を共同でモデル化した。
最後に、苦情の重大度を予測するためのモデルの振る舞いを定性的に分析する。
関連論文リスト
- Intent-conditioned and Non-toxic Counterspeech Generation using Multi-Task Instruction Tuning with RLAIF [14.2594830589926]
オンラインヘイトスピーチに対する反応として定義されているCounterspeechは、非センセーショナルソリューションとしてますます利用されている。
ヘイトフルステートメントにおける社会的バイアスの背景にある実践的意味をモデル化し,反音声生成を促進させる新しいフレームワークであるCoARLを紹介した。
CoARLの最初の2つのフェーズは、連続的なマルチインストラクションチューニング、インテント、反応、攻撃的ステートメントの害を理解するためのモデルを教えること、そしてインテント条件付き逆音声を生成するためのタスク固有の低ランクアダプタ重みを学習することである。
論文 参考訳（メタデータ） (2024-03-15T08:03:49Z) - SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。
SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
論文 参考訳（メタデータ） (2023-10-27T06:48:48Z) - From Chaos to Clarity: Claim Normalization to Empower Fact-Checking [57.024192702939736]
Claim Normalization(別名 ClaimNorm)は、複雑でノイズの多いソーシャルメディア投稿を、より単純で分かりやすい形式に分解することを目的としている。
本稿では,チェーン・オブ・ソートとクレーム・チェック・バシネス推定を利用した先駆的アプローチであるCACNを提案する。
実験により, CACNは様々な評価尺度において, いくつかの基準値を上回る性能を示した。
論文 参考訳（メタデータ） (2023-10-22T16:07:06Z) - 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) - Visual Perturbation-aware Collaborative Learning for Overcoming the
Language Prior Problem [60.0878532426877]
本稿では,視覚的摂動校正の観点から,新しい協調学習手法を提案する。
具体的には、異なる摂動範囲で2種類のキュレートされた画像を構築するための視覚コントローラを考案する。
2つの診断VQA-CPベンチマークデータセットの実験結果は、その効果を明らかに示している。
論文 参考訳（メタデータ） (2022-07-24T23:50:52Z) - Improved two-stage hate speech classification for twitter based on Deep
Neural Networks [0.0]
ヘイトスピーチ(Hate speech)は、虐待的な言葉の使用を含む、オンラインハラスメントの一種である。
この研究で提案するモデルは、LSTMニューラルネットワークアーキテクチャに基づく既存のアプローチの拡張である。
本研究は,16kツイートの公開コーパスで評価された2段階目の提案手法の性能比較を含む。
論文 参考訳（メタデータ） (2022-06-08T20:57:41Z) - Analyzing the Intensity of Complaints on Social Media [55.140613801802886]
テキストからの苦情の強度を測定する計算言語学における最初の研究について述べる。
私たちは中国のソーシャルメディアプラットフォームであるWeiboからの苦情に関する3,103件の投稿を含む最初の中国のデータセットを作成しました。
平均二乗誤差が0.11となる計算モデルにより,苦情強度を正確に推定できることを示す。
論文 参考訳（メタデータ） (2022-04-20T10:15:44Z) - Complaint Identification in Social Media with Transformer Networks [34.35466601628141]
矛盾とは、人間によって現実と期待の間に負の矛盾を伝えるために広く使われる言論法である。
ソーシャルメディアにおける苦情を自動的に識別する作業は、機能ベースとタスク固有のニューラルネットワークモデルの使用に重点を置いている。
我々は、最先端の事前訓練されたニューラルランゲージモデルと、トピックや感情から得られる他の言語情報とを組み合わせて、苦情予測を行う。
論文 参考訳（メタデータ） (2020-10-21T11:44:04Z) - On the Fairness of Causal Algorithmic Recourse [36.519629650529666]
グループレベルでの公平度基準と個人レベルでの公平度基準を提案する。
ここでは,会話の公平さは予測の公平さと相補的であることを示す。
本稿では, 社会的介入によって, データ生成プロセスの公正性違反に対処できるかどうかを論じる。
論文 参考訳（メタデータ） (2020-10-13T16:35:06Z) - Dialogue Response Ranking Training with Large-Scale Human Feedback Data [52.12342165926226]
ソーシャルメディアのフィードバックデータを利用して、フィードバック予測のための大規模なトレーニングデータセットを構築します。
我々は,1300万対の人間のフィードバックデータに基づくGPT-2モデルであるDialogRPTを訓練した。
我々のランキングは、Redditのフィードバックを予測する上で、従来のダイアログの難易度ベースラインよりも優れています。
論文 参考訳（メタデータ） (2020-09-15T10:50:05Z)
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。