論文の概要: Encoding Heterogeneous Social and Political Context for Entity Stance Prediction

• arxiv url: http://arxiv.org/abs/2108.03881v1
• Date: Mon, 9 Aug 2021 08:59:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-11 00:56:08.814237
• Title: Encoding Heterogeneous Social and Political Context for Entity Stance Prediction
• Title（参考訳）: エンティティスタンス予測のための不均一な社会的・政治的文脈の符号化
• Authors: Shangbin Feng, Zilong Chen, Peisheng Yu, Minnan Luo
• Abstract要約: 本稿では,エンティティスタンス予測の新しい課題を提案する。 我々は、現代アメリカの政治に関する社会団体に関する事実をウィキペディアから回収する。 そして、我々は、ドメインの専門家の助けを借りて、政治イデオロギーに対する社会団体のスタンスに注釈を付ける。
• 参考スコア（独自算出の注目度）: 7.477393857078695
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Political stance detection has become an important task due to the increasingly polarized political ideologies. Most existing works focus on identifying perspectives in news articles or social media posts, while social entities, such as individuals and organizations, produce these texts and actually take stances. In this paper, we propose the novel task of entity stance prediction, which aims to predict entities' stances given their social and political context. Specifically, we retrieve facts from Wikipedia about social entities regarding contemporary U.S. politics. We then annotate social entities' stances towards political ideologies with the help of domain experts. After defining the task of entity stance prediction, we propose a graph-based solution, which constructs a heterogeneous information network from collected facts and adopts gated relational graph convolutional networks for representation learning. Our model is then trained with a combination of supervised, self-supervised and unsupervised loss functions, which are motivated by multiple social and political phenomenons. We conduct extensive experiments to compare our method with existing text and graph analysis baselines. Our model achieves highest stance detection accuracy and yields inspiring insights regarding social entity stances. We further conduct ablation study and parameter analysis to study the mechanism and effectiveness of our proposed approach.
• Abstract（参考訳）: 政治的スタンスの検出は、政治的イデオロギーの分極化によって重要な課題となっている。 既存の作品のほとんどは、ニュース記事やソーシャルメディア投稿の視点を特定することに集中しているが、個人や組織といった社会団体はこれらのテキストを作成し、実際にスタンスを取る。 本稿では,社会的・政治的文脈を考慮したエンティティのスタンス予測を目的とした,エンティティスタンス予測の新しいタスクを提案する。 具体的には、現代アメリカの政治に関する社会的実体に関する事実をウィキペディアから検索する。 そして、我々は、ドメインの専門家の助けを借りて、政治イデオロギーに対する社会団体のスタンスに注釈を付ける。 実体姿勢予測のタスクを定義した後、収集された事実から異種情報ネットワークを構築し、表現学習にゲート付きリレーショナルグラフ畳み込みネットワークを採用するグラフベースのソリューションを提案する。 このモデルは、複数の社会的・政治的現象に動機づけられた、教師付き、自己監督型、教師なしの損失関数の組み合わせで訓練される。 提案手法を既存のテキストおよびグラフ解析ベースラインと比較するために,広範な実験を行う。 本モデルでは,高い姿勢検出精度を達成し,社会的実体の姿勢に関する洞察を得る。 さらにアブレーション研究とパラメータ分析を行い,提案手法のメカニズムと有効性について検討する。

関連論文リスト

• Modeling Political Orientation of Social Media Posts: An Extended Analysis [0.0]
  オンラインソーシャルメディア上で政治的分極を特徴付ける機械学習モデルを開発することは、大きな課題である。 これらの課題は主に、注釈付きデータの欠如、ソーシャルメディアデータセットにおけるノイズの存在、膨大な量のデータなど、さまざまな要因に起因している。 本稿では、ソーシャルメディア投稿のラベル付けに、メディアバイアスと投稿コンテンツを活用する2つの方法を紹介する。 ソーシャルメディア投稿の政治的指向を予測することで,現在の機械学習モデルの性能向上を実証する。
  論文  参考訳（メタデータ） (2023-11-21T03:34:20Z)
• 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)
• Quantitative Analysis of Forecasting Models:In the Aspect of Online Political Bias [0.0]
  ソーシャルメディア投稿を5つの異なる政治傾向カテゴリーに分類する手法を提案する。 我々のアプローチは、政治的イデオロギーの異なる2つのソーシャルメディアデータセット上で、既存の時系列予測モデルを活用することである。
  論文  参考訳（メタデータ） (2023-09-11T16:17:24Z)
• Improving (Dis)agreement Detection with Inductive Social Relation Information From Comment-Reply Interactions [49.305189190372765]
  社会関係情報は、テキスト情報以外の(認識の)タスクにおいて補助的な役割を果たすことができる。 本稿では,このような関係情報を(離散化)データから帰納的社会関係グラフに抽出する手法を提案する。 社会関係は,特に長時間のコメント-返信ペアにおいて,(不一致)認識モデルの性能を高めることができる。
  論文  参考訳（メタデータ） (2023-02-08T09:09:47Z)
• Examining Political Rhetoric with Epistemic Stance Detection [13.829628375546568]
  我々は、より複雑な最先端のモデリングよりも優れたマルチソース姿勢予測のためのシンプルなRoBERTaベースのモデルを開発した。 我々は、米国の政治意見書のマスマーケットマニフェストコーパスを大規模に分析することで、その新しい政治科学への応用を実証する。
  論文  参考訳（メタデータ） (2022-12-29T23:47:14Z)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T01:20:29Z)
• PAR: Political Actor Representation Learning with Social Context and Expert Knowledge [45.215862050840116]
  我々は,textbfPolitical textbfActor textbfRepresentation学習フレームワークであるtextbfPARを提案する。 我々は,社会的文脈情報を活用するために,議員に関する事実文を検索し,抽出する。 次に、社会的文脈を取り入れた異種情報ネットワークを構築し、リレーショナルグラフニューラルネットワークを用いて立法者表現を学習する。
  論文  参考訳（メタデータ） (2022-10-15T19:28:06Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Enhancing Social Relation Inference with Concise Interaction Graph and Discriminative Scene Representation [56.25878966006678]
  我々はtextbfSocial rtextbfElation (PRISE) における textbfPractical textbfInference のアプローチを提案する。 人の対話的特徴と全体主義的な場面の識別的特徴を簡潔に学習する。 PRISEはPIPAデータセットにおけるドメイン分類の改善を6.8$%で達成している。
  論文  参考訳（メタデータ） (2021-07-30T04:20:13Z)
• Who Blames or Endorses Whom? Entity-to-Entity Directed Sentiment Extraction in News Text [4.218255132083181]
  そこで本稿では,あるニュース資料から政治団体間の有向感情関係を識別する新たなNLPタスクを提案する。 百万件のニュースコーパスから,政治団体の感情関係を手作業でアノテートするニュース文のデータセットを構築した。 本稿は、2016年アメリカ合衆国大統領選挙と新型コロナウイルス(COVID-19)の2つの主要なイベントにおいて、政治団体間の肯定的・否定的な意見を分析することによって、社会科学研究問題に対する提案手法の有用性を実証する。
  論文  参考訳（メタデータ） (2021-06-02T09:02:14Z)

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。