論文の概要: Towards Knowledge-Grounded Counter Narrative Generation for Hate Speech

• arxiv url: http://arxiv.org/abs/2106.11783v1
• Date: Tue, 22 Jun 2021 13:48:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-23 14:51:53.978992
• Title: Towards Knowledge-Grounded Counter Narrative Generation for Hate Speech
• Title（参考訳）: ヘイトスピーチのナラティブ生成に向けて
• Authors: Yi-Ling Chung, Serra Sinem Tekiroglu, Marco Guerini
• Abstract要約: オンラインの憎しみに、インフォームド・テキストによる回答(カウンター・ナラティブと呼ばれる)を使って対処することが、最近注目を浴びている。 現在のニューラルアプローチでは、ジェネリック/反復的な応答が生じる傾向にあり、根拠と最新の証拠が欠如している。 外部知識リポジトリを基盤とした,最初の完全知識結合型カウンターナラティブ生成パイプラインを提示する。
• 参考スコア（独自算出の注目度）: 15.039745292757672
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tackling online hatred using informed textual responses - called counter narratives - has been brought under the spotlight recently. Accordingly, a research line has emerged to automatically generate counter narratives in order to facilitate the direct intervention in the hate discussion and to prevent hate content from further spreading. Still, current neural approaches tend to produce generic/repetitive responses and lack grounded and up-to-date evidence such as facts, statistics, or examples. Moreover, these models can create plausible but not necessarily true arguments. In this paper we present the first complete knowledge-bound counter narrative generation pipeline, grounded in an external knowledge repository that can provide more informative content to fight online hatred. Together with our approach, we present a series of experiments that show its feasibility to produce suitable and informative counter narratives in in-domain and cross-domain settings.
• Abstract（参考訳）: オンライン上の憎しみを、対談と呼ばれるインフォームドテキストによる回答で解決する動きは、最近注目を浴びている。 そのため、ヘイト議論への直接的な介入を促進し、ヘイトコンテンツのさらなる拡散を防止するために、対談を自動生成する研究ラインが出現した。 それでも、現在のニューラルアプローチは汎用的/反復的な応答を生み出し、事実、統計、例といった根拠や最新の証拠を欠いている。 さらに、これらのモデルは可算であるが必ずしも真の議論を作ることはできない。 本稿では,オンラインの憎悪と戦うために,より情報に富むコンテンツを提供する外部知識リポジトリを基盤として,最初の完全知識結合型物語生成パイプラインを提案する。 提案手法と合わせて, ドメイン内およびドメイン間設定において, 適切な, 情報に富むカウンターナラティブを生成できることを示す一連の実験を行った。

関連論文リスト

• A Glitch in the Matrix? Locating and Detecting Language Model Grounding with Fakepedia [57.31074448586854]
  大規模言語モデル(LLM)は、そのコンテキストで提供される新しい情報を引き出すという印象的な能力を持つ。 しかし、この文脈的基盤のメカニズムはいまだに不明である。 本稿では,Fakepedia を用いたグラウンドディング能力の研究手法を提案する。
  論文  参考訳（メタデータ） (2023-12-04T17:35:42Z)
• Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection [50.07850264495737]
  プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。 我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
  論文  参考訳（メタデータ） (2023-09-28T13:19:43Z)
• Prompt, Condition, and Generate: Classification of Unsupported Claims with In-Context Learning [5.893124686141782]
  我々は,詳細な議論に焦点をあて,可算な物語の集合を蒸留する新たな課題を定式化する。 本稿では,120k以上の議論,主張,異質な情報源からのコメントを含む12の論争的トピックをクラウドソースで収集し,それぞれに物語ラベルを付加した。 提案手法は,物語分類モデルの性能向上に有効であることを示す。
  論文  参考訳（メタデータ） (2023-09-19T06:42:37Z)
• Generating Dialogue Responses from a Semantic Latent Space [75.18449428414736]
  語彙のエンドツーエンド分類に代わる方法を提案する。 潜在空間上の回帰タスクとして,プロンプトと応答のペア関係を学習する。 人間の評価は、連続した空間でタスクを学習すると、関連性と情報性の両方を持つ応答が生成されることを示した。
  論文  参考訳（メタデータ） (2020-10-04T19:06:16Z)
• Paragraph-level Commonsense Transformers with Recurrent Memory [77.4133779538797]
  物語からコヒーレントなコモンセンス推論を生成するために,段落レベルの情報を含む談話認識モデルを訓練する。 以上の結果から,PARA-COMETは文レベルのベースライン,特にコヒーレントかつ新規な推論に優れていた。
  論文  参考訳（メタデータ） (2020-10-04T05:24:12Z)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)
• Fact-based Dialogue Generation with Convergent and Divergent Decoding [2.28438857884398]
  本稿では,コンバージェントな思考能力を備えたエンドツーエンドのファクトベース対話システムを提案する。 我々のモデルは、情報的かつ多様な応答を生成できる新しい収束および分岐復号を組み込んでいる。
  論文  参考訳（メタデータ） (2020-05-06T23:49:35Z)
• A Controllable Model of Grounded Response Generation [122.7121624884747]
  現在のエンドツーエンドのニューラルネットワークモデルは、応答生成プロセスにセマンティックコントロールを課す柔軟性を本質的に欠いている。 我々は制御可能な接地応答生成(CGRG)と呼ばれるフレームワークを提案する。 このフレームワークを用いることで、会話のようなRedditデータセットでトレーニングされた、新しいインダクティブアテンション機構を備えたトランスフォーマーベースのモデルが、強力な生成ベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2020-05-01T21:22:08Z)
• Generating Counter Narratives against Online Hate Speech: Data and Strategies [21.098614110697184]
  本稿では,憎悪に対する回答を効果的に収集する方法について検討する。 銀データ生成には GPT-2 などの大規模教師なし言語モデルを用いる。 最高のアノテーション戦略/神経アーキテクチャは、専門家のバリデーション/ポスト編集の前にデータフィルタリングに使用できる。
  論文  参考訳（メタデータ） (2020-04-08T19:35:00Z)

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。