論文の概要: Modeling Ideological Agenda Setting and Framing in Polarized Online Groups with Graph Neural Networks and Structured Sparsity

• arxiv url: http://arxiv.org/abs/2104.08829v1
• Date: Sun, 18 Apr 2021 11:48:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 14:32:28.525717
• Title: Modeling Ideological Agenda Setting and Framing in Polarized Online Groups with Graph Neural Networks and Structured Sparsity
• Title（参考訳）: グラフニューラルネットワークと構造化空間を持つ偏極オンライングループにおけるIdeological Agenda設定とフラーミングのモデル化
• Authors: Valentin Hofmann, Janet B. Pierrehumbert, Hinrich Sch\"utze
• Abstract要約: 本稿では,オンラインディスカッションフォーラム,特にRedditのネットワーク構造を直接活用して,偏光概念を検出する最小限の手法を提案する。 我々は、アジェンダの設定とフレーミングの次元に沿って偏極をモデル化し、道徳心理学からの洞察に基づく。 また、12年間にわたる政治談話の新しいデータセットを作成し、異なるイデオロギーを持つ600以上のオンライングループをカバーしています。
• 参考スコア（独自算出の注目度）: 13.535770763481905
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The increasing polarization of online political discourse calls for computational tools that are able to automatically detect and monitor ideological divides in social media. Here, we introduce a minimally supervised method that directly leverages the network structure of online discussion forums, specifically Reddit, to detect polarized concepts. We model polarization along the dimensions of agenda setting and framing, drawing upon insights from moral psychology. The architecture we propose combines graph neural networks with structured sparsity learning and results in representations for concepts and subreddits that capture phenomena such as ideological radicalization and subreddit hijacking. We also create a new dataset of political discourse spanning 12 years and covering more than 600 online groups with different ideologies.
• Abstract（参考訳）: オンライン政治談話の分極化の高まりは、ソーシャルメディアにおけるイデオロギー的分割を自動的に検出し監視できる計算ツールを要求する。 本稿では,オンラインディスカッションフォーラム,特にRedditのネットワーク構造を直接活用して,偏光概念を検出する最小限の手法を提案する。 我々は、アジェンダの設定とフレーミングの次元に沿って偏極をモデル化し、道徳心理学からの洞察に基づく。 提案するアーキテクチャは,グラフニューラルネットワークと構造化された空間学習を組み合わせることで,イデオロギー的過激化やサブレディットハイジャックといった現象を捉える概念やサブレディットの表現を行う。 また、12年間にわたる政治談話の新しいデータセットを作成し、異なるイデオロギーを持つ600以上のオンライングループをカバーしています。

関連論文リスト

• GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
  グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。 本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-17T13:04:23Z)
• What Planning Problems Can A Relational Neural Network Solve? [91.53684831950612]
  本稿では,計画問題のポリシーを表すリレーショナルニューラルネットワークの回路複雑性解析について述べる。 回路幅と深さの増大に関して,計画問題には3つの一般的なクラスが存在することを示す。 また、政策学習のためのニューラルネットワーク設計におけるこの分析の有用性についても解説する。
  論文  参考訳（メタデータ） (2023-12-06T18:47:28Z)
• Unsupervised Detection of Contextualized Embedding Bias with Application to Ideology [20.81930455526026]
  本研究では,コンテキスト適応型埋め込みにおけるバイアスを検出するための教師なし手法を提案する。 本手法をオンラインディスカッションフォーラムに適用し,提案手法を提案する。 我々の実験は、イデオロギーのサブスペースが抽象的な評価意味論を符号化し、ドナルド・トランプの大統領在任中に政治的左翼スペクトルの変化を反映していることを示唆している。
  論文  参考訳（メタデータ） (2022-12-14T23:31:14Z)
• Network polarization, filter bubbles, and echo chambers: An annotated review of measures and reduction methods [0.0]
  偏極は、下層のネットワークが、グループ間の接続が弱い高度に連結されたグループによって特徴づけられるときに生じる。 本研究は、ネットワーク偏光対策と偏光処理に使用されるモデルについて注釈付きレビューを行う。
  論文  参考訳（メタデータ） (2022-07-27T21:23:27Z)
• Deeply Explain CNN via Hierarchical Decomposition [75.01251659472584]
  コンピュータビジョンにおいて、CNNの説明に寄与するいくつかの手法は、中間的特徴がネットワーク予測にどのように影響するかを研究する。 本稿では,CNNの意思決定過程をトップダウンで説明する階層的な分解フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-23T07:56:04Z)
• Local Edge Dynamics and Opinion Polarization [17.613690272861053]
  局所的なエッジダイナミクスが意見の偏光をいかに引き起こすかを研究する。 簡単な時間進化型ネットワークモデルで拡張した古典的Friedkin-Johnsen意見力学の変種を導入する。 このモデルが理論的解析に適していることを示し、これらの局所力学が意見グループ間の接続を損なう理由を説明するのに役立ちます。
  論文  参考訳（メタデータ） (2021-11-28T01:59:57Z)
• Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
  本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。 評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。 欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
  論文  参考訳（メタデータ） (2021-08-19T15:39:52Z)
• A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
  コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。 この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。 ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
  論文  参考訳（メタデータ） (2021-05-26T14:37:07Z)
• Polarization Model of Online Social Networks Based on the Concept of Spontaneous Symmetry Breaking [3.084629788740097]
  偏光に対抗できる技術を確立するためには、偏光のメカニズムを理解する必要がある。 本稿では,自発対称性の破れの概念に基づく偏光の理解の基礎モデルを提案する。
  論文  参考訳（メタデータ） (2020-11-10T21:03:11Z)
• Quantifying social organization and political polarization in online platforms [2.66512000865131]
  我々は,社会次元に沿ったオンラインコミュニティの位置を定量化する手法を開発した。 14年間に10万のコミュニティで実施されたRedditのコメント5.1Bに方法論を適用することで、マクロなコミュニティ構造がどのように組織化されているかを測定する。 Redditは2016年アメリカ合衆国大統領選挙の前後で重要な分極イベントを受けており、その後何年もの間非常に分極されたままだった。
  論文  参考訳（メタデータ） (2020-10-01T17:59:40Z)
• Understanding the Role of Individual Units in a Deep Neural Network [85.23117441162772]
  本稿では,画像分類と画像生成ネットワーク内の隠れ単位を系統的に同定する分析フレームワークを提案する。 まず、シーン分類に基づいて訓練された畳み込みニューラルネットワーク(CNN)を分析し、多様なオブジェクト概念にマッチするユニットを発見する。 第2に、シーンを生成するために訓練されたGANモデルについて、同様の分析手法を用いて分析する。
  論文  参考訳（メタデータ） (2020-09-10T17:59:10Z)

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。