Fugu-MT 論文翻訳(概要): Hater-O-Genius Aggression Classification using Capsule Networks

論文の概要: Hater-O-Genius Aggression Classification using Capsule Networks

arxiv url: http://arxiv.org/abs/2105.11219v1
Date: Mon, 24 May 2021 11:53:58 GMT
ステータス: 処理完了
システム内更新日: 2021-05-25 20:40:51.921813
Title: Hater-O-Genius Aggression Classification using Capsule Networks
Title（参考訳）: カプセルネットワークを用いたhater-o-genius攻撃分類
Authors: Parth Patwa, Srinivas PYKL, Amitava Das, Prerana Mukherjee, Viswanath Pulabaigari
Abstract要約: 攻撃的なつぶやきを自動的に識別し分類する,エンドツーエンドのアンサンブルに基づくアーキテクチャを提案する。ツイートは、Covertly Aggressive、Overtly Aggressive、Non-Aggressiveの3つのカテゴリに分類される。我々の最良のモデルはCapsule Networksのアンサンブルであり、Facebookのテストセットで65.2%のF1スコアを獲得し、TRAC-2018の勝者よりもパフォーマンスが0.95%向上した。
参考スコア（独自算出の注目度）: 6.318682674371969
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Contending hate speech in social media is one of the most challenging social problems of our time. There are various types of anti-social behavior in social media. Foremost of them is aggressive behavior, which is causing many social issues such as affecting the social lives and mental health of social media users. In this paper, we propose an end-to-end ensemble-based architecture to automatically identify and classify aggressive tweets. Tweets are classified into three categories - Covertly Aggressive, Overtly Aggressive, and Non-Aggressive. The proposed architecture is an ensemble of smaller subnetworks that are able to characterize the feature embeddings effectively. We demonstrate qualitatively that each of the smaller subnetworks is able to learn unique features. Our best model is an ensemble of Capsule Networks and results in a 65.2% F1 score on the Facebook test set, which results in a performance gain of 0.95% over the TRAC-2018 winners. The code and the model weights are publicly available at https://github.com/parthpatwa/Hater-O-Genius-Aggression-Classification-using-Capsule-Networks.
Abstract（参考訳）: ソーシャルメディアでヘイトスピーチを投稿することは、当時の最も困難な社会問題の一つだ。ソーシャルメディアには様々な反社会的行動がある。多くは攻撃的な行動であり、ソーシャルメディアユーザーの社会的生活や精神的健康に影響を及ぼすなど、多くの社会問題を引き起こしている。本稿では,アグレッシブツイートを自動的に識別し分類するエンドツーエンドアンサンブルベースのアーキテクチャを提案する。ツイートは、Covertly Aggressive、Overtly Aggressive、Non-Aggressiveの3つのカテゴリに分類される。提案アーキテクチャは,機能埋め込みを効果的に特徴付けることができる小型サブネットワークの集合体である。それぞれの小さなサブネットワークがユニークな特徴を学習できることを定性的に証明する。我々の最良のモデルはCapsule Networksのアンサンブルであり、Facebookのテストセットで65.2%のF1スコアを獲得し、TRAC-2018の勝者よりもパフォーマンスが0.95%向上した。コードとモデルの重み付けはhttps://github.com/parthpatwa/Hater-O-Genius-Aggression-using-Capsule-Networksで公開されている。

関連論文リスト

Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文参考訳（メタデータ） (2023-10-20T06:17:02Z)
SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。 GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
論文参考訳（メタデータ） (2023-10-18T02:27:01Z)
Understanding writing style in social media with a supervised contrastively pre-trained transformer [57.48690310135374]
オンラインソーシャルネットワークは、ヘイトスピーチから偽情報の拡散まで、有害な行動の場として機能している。本稿では, 4.5 x 106テキストの公開資料から得られた大規模コーパスに基づいて学習したStyle Transformer for Authorship Representations (STAR)を紹介する。 512個のトークンからなる8つのドキュメントからなるサポートベースを使用して、著者を最大1616人の著者のセットから、少なくとも80%の精度で識別することができる。
論文参考訳（メタデータ） (2023-10-17T09:01:17Z)
SocialVec: Social Entity Embeddings [1.4010916616909745]
本稿では,ソーシャルワールドの知識をソーシャルネットワークから引き出すためのフレームワークであるSocialVecを紹介する。 Twitterネットワークのサンプルから、約20万の人気のアカウントのソーシャル埋め込みを学びました。われわれはSocialVecの埋め込みを利用して、Twitterのニュースソースの政治的偏見を誇示している。
論文参考訳（メタデータ） (2021-11-05T14:13:01Z)
Adversarial Socialbot Learning via Multi-Agent Deep Hierarchical Reinforcement Learning [31.33996447671789]
本稿では、強化学習(RL)などの計算学習機構を利用して、検出を回避しつつ、ソーシャルボットの影響を最大化することができることを示す。提案するポリシネットワークは,膨大な合成グラフを用いてトレーニングし,目に見えない実生活グラフのベースラインよりも優れた一般化を行う。これにより,本手法は実環境に展開する際の現実的な敵攻撃となる。
論文参考訳（メタデータ） (2021-10-20T16:49:26Z)
Detecting Online Hate Speech: Approaches Using Weak Supervision and Network Embedding Models [2.3322477552758234]
本研究では,ヘイトフルユーザを定量的に発見する弱監督型深層学習モデルを提案する。我々は、19.2Mの投稿において、我々のモデルを評価し、我々の弱い監督モデルは、間接的に憎悪的な相互作用を識別するベースラインモデルよりも優れていることを示す。また,Gabにおける2種類のユーザインタラクション(引用と応答)と,弱監督モデルからのインタラクションスコアをエッジウェイトとして分析し,ヘイトフルユーザを予測する。
論文参考訳（メタデータ） (2020-07-24T18:13:52Z)
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)
Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文参考訳（メタデータ） (2020-04-20T20:00:27Z)
Modeling Aggression Propagation on Social Media [4.99023186931786]
Cyberaggressionはさまざまな状況やオンラインソーシャルプラットフォームで研究されている。本稿では,ソーシャルメディア上での攻撃の伝播について,意見ダイナミクスを用いて検討する。我々は,攻撃的あるいは正規的なユーザとの接続状況に応じて,攻撃性があるユーザから別のユーザへどのように伝播するかをモデル化する方法を提案する。
論文参考訳（メタデータ） (2020-02-24T09:50:49Z)
TIES: Temporal Interaction Embeddings For Enhancing Social Media Integrity At Facebook [9.023847175654602]
本稿では、ログな社会的相互作用を捉え、さらに適切な行動にフラグを立てるための新しい時間的相互作用埋め込みSモデルを提案する。 TIESは、Facebookスケールネットワークにおける教師付き、ディープラーニング、プロダクション準備ができているモデルである。 TIESの現実的な影響を示すために,誤報の拡散防止,偽アカウントの検出,広告支払いリスクの低減など,いくつかの応用を提示する。
論文参考訳（メタデータ） (2020-02-18T22:56:40Z)
Social Science Guided Feature Engineering: A Novel Approach to Signed Link Analysis [58.892336054718825]
リンク分析に関する既存の研究のほとんどは、符号なしのソーシャルネットワークに焦点を当てている。負のリンクの存在は、符号付きネットワークの特性と原則が符号なしネットワークと異なるかどうかを調査することに関心を持つ。近年の研究では、符号付きネットワークの特性が符号なしネットワークの特性と大きく異なることが示唆されている。
論文参考訳（メタデータ） (2020-01-04T00:26:05Z)

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。