論文の概要: Stance Quantification: Definition of the Problem
- arxiv url: http://arxiv.org/abs/2112.13288v1
- Date: Sat, 25 Dec 2021 21:19:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-28 16:08:45.621242
- Title: Stance Quantification: Definition of the Problem
- Title（参考訳）: スタンス定量化:問題の定義
- Authors: Dilek K\"u\c{c}\"uk
- Abstract要約: スタンス検出は、テキスト生成者の位置を目標に向けて自動決定するプロセスとして一般的に定義される。
本稿では,スタンス検出,すなわちスタンス定量化に密接に関連する研究課題を定義する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stance detection is commonly defined as the automatic process of determining
the positions of text producers, towards a target. In this paper, we define a
research problem closely related to stance detection, namely, stance
quantification, for the first time. We define stance quantification on a pair
including (1) a set of natural language text items and (2) a target. At the end
of the stance quantification process, a triple is obtained which consists of
the percentages of the number of text items classified as Favor, Against,
Neither, respectively, towards the target in the input pair. Also defined in
the current paper is a significant subproblem of the stance quantification
problem, namely, multi-target stance quantification. We believe that stance
quantification at the aggregate level can lead to fruitful results in many
application settings, and furthermore, stance quantification might be the sole
stance related analysis alternative in settings where privacy concerns prevent
researchers from applying generic stance detection.
- Abstract（参考訳）: スタンス検出は、テキスト生成者の位置を目標に向けて自動決定するプロセスとして一般的に定義される。
本稿では,スタンス検出,すなわちスタンス定量化に関連する研究問題を初めて定義する。
本研究では,(1)自然言語テキスト項目の集合と(2)ターゲットを含むペアのスタンス定量化を定義する。
姿勢定量化工程の終了時に、入力対の目標に対してそれぞれ好ましくないものとして分類されたテキスト項目数の割合からなるトリプルを得る。
また, 本論文では, 姿勢定量化問題, すなわち多目的姿勢定量化の重要部分問題として定義されている。
我々は,多くのアプリケーション設定において,集団レベルでのスタンス定量化は実りある結果をもたらすと信じており,また,プライバシに関する懸念が研究者が汎用的なスタンス検出を適用するのを妨げている環境では,スタンス定量化が唯一のスタンス関連分析方法であると考えている。
関連論文リスト
- LESS: Label-Efficient and Single-Stage Referring 3D Segmentation [55.06002976797879]
参照3Dは、クエリの文で記述された3Dポイントクラウドから、指定されたオブジェクトのすべてのポイントをセグメントする視覚言語タスクである。
本稿では,LESSと呼ばれるレファレンス3次元パイプラインを提案する。
ScanReferデータセット上での最先端のパフォーマンスは、バイナリラベルのみを使用して、以前の3.7% mIoUの手法を上回ります。
論文 参考訳（メタデータ） (2024-10-17T07:47:41Z) - A Hitchhikers Guide to Fine-Grained Face Forgery Detection Using Common Sense Reasoning [9.786907179872815]
視覚と言語の可能性は、いまだに偽造検出に過小評価されている。
顔偽造検出を視覚質問応答(VQA)タスクに変換する方法論が必要である。
このギャップに対処するために,従来の二項決定パラダイムから分岐する多段階的アプローチを提案する。
論文 参考訳（メタデータ） (2024-10-01T08:16:40Z) - Measurement-Device-Independent Detection of Beyond-Quantum State [53.64687146666141]
量子外状態検出のための測定デバイス非依存(MDI)テストを提案する。
本稿では,入力集合のトモグラフィ完全性の重要性について論じる。
論文 参考訳（メタデータ） (2023-12-11T06:40:13Z) - Clarify When Necessary: Resolving Ambiguity Through Interaction with LMs [58.620269228776294]
そこで本稿では,ユーザに対して,あいまいさを解消するためのタスク非依存のフレームワークを提案する。
我々は3つのNLPアプリケーション(質問応答、機械翻訳、自然言語推論)にまたがるシステムを評価する。
インテントシムは堅牢であり、幅広いNLPタスクやLMの改善を実証している。
論文 参考訳（メタデータ） (2023-11-16T00:18:50Z) - Stance Detection with Collaborative Role-Infused LLM-Based Agents [39.75103353173015]
スタンス検出は、ウェブおよびソーシャルメディア研究におけるコンテンツ分析に不可欠である。
しかし、姿勢検出には、著者の暗黙の視点を推測する高度な推論が必要である。
LLMを異なる役割に指定した3段階のフレームワークを設計する。
複数のデータセットにまたがって最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-10-16T14:46:52Z) - Guiding Computational Stance Detection with Expanded Stance Triangle
Framework [25.2980607215715]
スタンス検出は、テキストの著者が指定されたターゲットに対して有利か、反対か、中立かを決定する。
本稿では,言語的観点からスタンス検出タスクを分解し,このタスクにおける重要な構成要素と推論経路について検討する。
論文 参考訳（メタデータ） (2023-05-31T13:33:29Z) - Ambiguity-Resistant Semi-Supervised Learning for Dense Object Detection [98.66771688028426]
本研究では,一段階検出器のためのAmbiguity-Resistant Semi-supervised Learning (ARSL)を提案する。
擬似ラベルの分類とローカライズ品質を定量化するために,JCE(Joint-Confidence Estimation)を提案する。
ARSLは、曖昧さを効果的に軽減し、MS COCOおよびPASCALVOC上で最先端のSSOD性能を達成する。
論文 参考訳（メタデータ） (2023-03-27T07:46:58Z) - Contextual information integration for stance detection via
cross-attention [59.662413798388485]
スタンス検出は、著者の目標に対する姿勢を特定することを扱う。
既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。
文脈情報をテキストとして統合する手法を提案する。
論文 参考訳（メタデータ） (2022-11-03T15:04:29Z) - Few-Shot Stance Detection via Target-Aware Prompt Distillation [48.40269795901453]
本論文は,知識ベースや少人数の学習者を対象とした事前学習型言語モデル(PLM)の可能性に着想を得たものである。
PLMは、ターゲットに対して重要なコンテキスト情報を提供し、プロンプトを介して数発の学習を可能にする。
姿勢検出タスクにおいて,対象が重要な役割を担っていることを考慮し,目標認識プロンプトを設計し,新しい言語化手法を提案する。
論文 参考訳（メタデータ） (2022-06-27T12:04:14Z) - X-Stance: A Multilingual Multi-Target Dataset for Stance Detection [42.46681912294797]
スイスの選挙候補者によるコメントから大規模な姿勢検出データセットを抽出する。
データセットはドイツ語、フランス語、イタリア語のテキストで構成されており、姿勢検出の言語横断的な評価を可能にする。
論文 参考訳（メタデータ） (2020-03-18T17:58:10Z)
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。