論文の概要: Which side are you on? Insider-Outsider classification in conspiracy-theoretic social media

• arxiv url: http://arxiv.org/abs/2203.04356v1
• Date: Tue, 8 Mar 2022 19:29:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-11 07:53:01.448985
• Title: Which side are you on? Insider-Outsider classification in conspiracy-theoretic social media
• Title（参考訳）: あなたはどちらにいますか。 陰謀論ソーシャルメディアにおけるインサイダー・アウトサイド分類
• Authors: Pavan Holur, Tianyi Wang, Shadi Shahsavari, Timothy Tangherlini, Vwani Roychowdhury
• Abstract要約: ソーシャルメディアは、脅威の物語や関連する陰謀論の発端となっている。 これらの中で、外部グループは内部グループの整合性を脅かし、鋭く定義されたグループアイデンティティ:インサイダーとアウトサイダーが出現する。
• 参考スコア（独自算出の注目度）: 7.277313841185572
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media is a breeding ground for threat narratives and related conspiracy theories. In these, an outside group threatens the integrity of an inside group, leading to the emergence of sharply defined group identities: Insiders -- agents with whom the authors identify and Outsiders -- agents who threaten the insiders. Inferring the members of these groups constitutes a challenging new NLP task: (i) Information is distributed over many poorly-constructed posts; (ii) Threats and threat agents are highly contextual, with the same post potentially having multiple agents assigned to membership in either group; (iii) An agent's identity is often implicit and transitive; and (iv) Phrases used to imply Outsider status often do not follow common negative sentiment patterns. To address these challenges, we define a novel Insider-Outsider classification task. Because we are not aware of any appropriate existing datasets or attendant models, we introduce a labeled dataset (CT5K) and design a model (NP2IO) to address this task. NP2IO leverages pretrained language modeling to classify Insiders and Outsiders. NP2IO is shown to be robust, generalizing to noun phrases not seen during training, and exceeding the performance of non-trivial baseline models by $20\%$.
• Abstract（参考訳）: ソーシャルメディアは脅威物語と関連する陰謀論の繁殖地である。 これらの中で、外部グループが内部グループの完全性を脅かし、鋭く定義されたグループアイデンティティが出現する: インサイダー - 著者が特定し、外部にいるエージェント -- インサイダーを脅かすエージェント。 これらのグループのメンバを推測することは、新しいNLPタスクとなる。 (i)多くの粗末な投稿に情報が分配される。 二 脅威及び脅威エージェントは、高度に文脈的であり、同一のポストは、いずれのグループにも複数のエージェントが割り当てられる可能性がある。 (iii)代理人の身元は、しばしば暗黙的で推移的である。 (iv)外人格を示すために用いられる句は、しばしば共通の否定的な感情パターンに従わない。 これらの課題に対処するため、我々は新しいインサイダー・アウトサイダー分類タスクを定義した。 既存の適切なデータセットやアテンダントモデルを意識していないため、ラベル付きデータセット(CT5K)を導入し、このタスクに対処するためのモデル(NP2IO)を設計する。 NP2IOは、事前訓練された言語モデリングを利用して、インサイダーとアウトサイダーを分類する。 NP2IOは頑健で、トレーニング中に見えない名詞句に一般化し、非自明なベースラインモデルの性能を20\%以上上回る。

関連論文リスト

• Caution for the Environment: Multimodal Agents are Susceptible to Environmental Distractions [68.92637077909693]
  本稿では,グラフィカルユーザインタフェース(GUI)環境におけるマルチモーダル大規模言語モデル(MLLM)エージェントの忠実さについて検討する。 ユーザとエージェントの両方が良性であり、環境は悪質ではないが、無関係なコンテンツを含む、一般的な設定が提案されている。 実験結果から、ジェネラリストエージェントや専門的なGUIエージェントなど、最も強力なモデルでさえ、気晴らしの影響を受けやすいことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-05T15:16:22Z)
• Unveiling Social Media Comments with a Novel Named Entity Recognition System for Identity Groups [2.5849042763002426]
  我々はアイデンティティグループのための名前付きエンティティ認識(NER)システムを開発した。 我々のツールは、文が攻撃を含むかどうかを検知するだけでなく、上記のグループに対応する文トークンもタグ付けする。 ソーシャルメディアに関するケーススタディで,Facebookのコメントを注釈付けし,IDグループに言及するニュースに関連するコメントと比較し,ツールの有用性を検証した。
  論文  参考訳（メタデータ） (2024-05-13T19:33:18Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ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） (2023-11-27T18:57:42Z)
• Generated Distributions Are All You Need for Membership Inference Attacks Against Generative Models [29.135008138824023]
  本稿では,様々な生成モデルに対する最初の一般化されたメンバシップ推論攻撃を提案する。 実験では、全ての生成モデルが攻撃に対して脆弱であることを検証した。
  論文  参考訳（メタデータ） (2023-10-30T10:21:26Z)
• Defensive Alliances in Signed Networks [4.614890547917769]
  本稿では,署名ネットワークの文脈における防衛同盟の新たな概念を提案する。 次に、この概念に関するいくつかの自然問題について考察する。 また,符号付きグラフに対する新たな構造パラメータを導入し,符号付きグラフに最小の防御アライアンスを求めるパラメータ化アルゴリズムを示す。
  論文  参考訳（メタデータ） (2023-09-13T08:49:02Z)
• Group Cohesion in Multi-Agent Scenarios as an Emergent Behavior [0.0]
  本研究は,グループ・アフィリエイト,確実性,能力に対する本質的なニーズを持つインバインエージェントが,エージェント間の社会的行動の出現につながることを示す。 この行動は、グループ内のエージェントに対する利他主義と、グループ外のエージェントに対する敵対的な傾向を表現している。
  論文  参考訳（メタデータ） (2022-11-03T18:37:05Z)
• Ranking-based Group Identification via Factorized Attention on Social Tripartite Graph [68.08590487960475]
  グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。 我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。 データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
  論文  参考訳（メタデータ） (2022-11-02T01:42:20Z)
• IDRL: Identifying Identities in Multi-Agent Reinforcement Learning with Ambiguous Identities [14.440273322731446]
  我々は,エージェントのアイデンティティを動的に識別する新しいMARLフレームワーク IDRL を開発し,タスクを実行するための対応するポリシーを選択する。 ポーカーゲームtextitred-10を実験環境とし、IDRLは他のMARL法と比較して優れた性能が得られることを示した。
  論文  参考訳（メタデータ） (2022-10-24T00:54:59Z)
• NECE: Narrative Event Chain Extraction Toolkit [64.89332212585404]
  NECEはオープンアクセス型文書レベルのツールキットで,その発生の時間順に物語のイベントを自動的に抽出・アライメントする。 NECEツールキットの高品質さを示し、性別に関するナラティブバイアスを分析するために、その下流の応用を実証する。 また、現状のアプローチの欠点と、今後の研究で生成モデルを活用する可能性についてもオープンに論じる。
  論文  参考訳（メタデータ） (2022-08-17T04:30:58Z)
• Learning Multi-Attention Context Graph for Group-Based Re-Identification [214.84551361855443]
  オーバーラップしていないカメラシステムを介して人々のグループを再識別または取得することを学ぶことは、ビデオ監視において重要なアプリケーションです。 本研究では,グループre-idというグループを識別するためのコンテキスト情報の利用を検討する。 本研究では,グループベースリドタスクを同時に処理するグラフニューラルネットワークに基づく新しい統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-29T09:57:47Z)
• Learning Task-oriented Disentangled Representations for Unsupervised Domain Adaptation [165.61511788237485]
  Unsupervised domain adapt (UDA) は、ラベル付きソースドメインとラベルなしターゲットドメインの間のドメインシフト問題に対処することを目的としている。 UDAのための動的タスク指向の非絡合ネットワーク(DTDN)を提案し,非絡合表現をエンドツーエンドで学習する。
  論文  参考訳（メタデータ） (2020-07-27T01:21:18Z)

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。