論文の概要: Healthy Twitter discussions? Time will tell
- arxiv url: http://arxiv.org/abs/2203.11261v1
- Date: Mon, 21 Mar 2022 18:43:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-23 15:16:37.581984
- Title: Healthy Twitter discussions? Time will tell
- Title（参考訳）: 健康的なTwitterの議論?
時が来ます
- Authors: Dmitry Gnatyshak, Dario Garcia-Gasulla, Sergio Alvarez-Napagao, Jamie
Arjona and Tommaso Venturini
- Abstract要約: 議論の健全性を示す指標として,時間的動的パターンの利用を検討する。
まず、教師なしの方法で議論のタイプを探求し、その後、短命の概念を用いてこれらのタイプを特徴づける。
最後に、オンライン談話のラベル付けにおける短命の定義の可能性について、それがいかに望ましいか、健全で建設的かに基づいて論じる。
- 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: Studying misinformation and how to deal with unhealthy behaviours within
online discussions has recently become an important field of research within
social studies. With the rapid development of social media, and the increasing
amount of available information and sources, rigorous manual analysis of such
discourses has become unfeasible. Many approaches tackle the issue by studying
the semantic and syntactic properties of discussions following a supervised
approach, for example using natural language processing on a dataset labeled
for abusive, fake or bot-generated content. Solutions based on the existence of
a ground truth are limited to those domains which may have ground truth.
However, within the context of misinformation, it may be difficult or even
impossible to assign labels to instances. In this context, we consider the use
of temporal dynamic patterns as an indicator of discussion health. Working in a
domain for which ground truth was unavailable at the time (early COVID-19
pandemic discussions) we explore the characterization of discussions based on
the the volume and time of contributions. First we explore the types of
discussions in an unsupervised manner, and then characterize these types using
the concept of ephemerality, which we formalize. In the end, we discuss the
potential use of our ephemerality definition for labeling online discourses
based on how desirable, healthy and constructive they are.
- Abstract（参考訳）: オンライン議論における誤情報の研究と不健康な行動への対処法は、近年、社会研究における重要な研究分野となっている。
ソーシャルメディアの急速な発展と、利用可能な情報や情報源の増大に伴い、こうした談話の厳密な手作業による分析は実現不可能になっている。
多くのアプローチは、例えば、虐待的、偽物またはボット生成コンテンツとラベル付けされたデータセット上で自然言語処理を使用するなど、教師付きアプローチによる議論のセマンティックおよび構文的性質の研究によってこの問題に取り組む。
基底真理の存在に基づく解は、基礎真理を持つ可能性のある領域に限られる。
しかし、誤情報のコンテキスト内では、ラベルをインスタンスに割り当てるのは困難か不可能かもしれない。
この文脈では、時間的動的パターンの使用が議論の健康の指標であると考えられる。
当時、真理が得られていなかった領域(新型コロナウイルスのパンデミックの議論の初期段階)で働き、貢献の量と時間に基づいて議論の特徴を考察する。
まず,議論の型を教師なしの方法で検討し,その型を形式化した短命性という概念を用いて特徴付ける。
最後に,オンライン談話のラベル付けにおける短命性(ephemerality)定義の潜在的利用について,その望ましい,健全,建設的について論じる。
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) - A Taxonomy of Rater Disagreements: Surveying Challenges & Opportunities
from the Perspective of Annotating Online Toxicity [15.23055494327071]
Toxicityは、オンライン空間でますます一般的で深刻な問題になっている。
機械学習の研究の豊富な行は、オンライン毒性を計算的に検出し緩和することに焦点を当てている。
近年の研究では,本課題の主観的性質を考慮した会計の重要性が指摘されている。
論文 参考訳（メタデータ） (2023-11-07T21:00:51Z) - DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。
そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
論文 参考訳（メタデータ） (2023-06-15T10:41:23Z) - SensePOLAR: Word sense aware interpretability for pre-trained contextual
word embeddings [4.479834103607384]
単語埋め込みに解釈可能性を加えることは、テキスト表現における活発な研究の領域である。
本稿では,従来のPOLARフレームワークを拡張したSensePOLARを提案する。
論文 参考訳（メタデータ） (2023-01-11T20:25:53Z) - Twitter Topic Classification [15.306383757213956]
我々は、ツイートトピック分類に基づく新しいタスクを提案し、関連する2つのデータセットをリリースする。
ソーシャルメディアで最も重要な議論点をカバーする幅広いトピックについて、トレーニングとテストデータを提供しています。
タスク上で,現在の汎用言語モデルとドメイン固有言語モデルの定量的評価と分析を行う。
論文 参考訳（メタデータ） (2022-09-20T16:13:52Z) - Extracting Large Scale Spatio-Temporal Descriptions from Social Media [1.14219428942199]
大規模イベントの追跡能力は、それらを理解し、適切なタイムリーな方法で反応を調整するために不可欠である。
我々は、ソーシャルメディアのような半構造化データソースを取り込み、このようなデータを拡張できるという仮説を模索している。
ソーシャルメディアは、直接の目撃者や専門家の意見などの貴重な知識を拡散しうるが、その騒々しい性質は、それらを管理しやすくするものではない。
論文 参考訳（メタデータ） (2022-06-27T13:16:43Z) - Color Overmodification Emerges from Data-Driven Learning and Pragmatic
Reasoning [53.088796874029974]
話者の指示表現は、実践的な言語使用の性質を照らし出すのに役立つ方法で、コミュニケーションイデアルから逸脱していることを示す。
ニューラルネットワークを学習エージェントとして採用することにより、過度な修正は、頻度の低い、あるいは正常な環境特性に結びつく可能性が高いことを示す。
論文 参考訳（メタデータ） (2022-05-18T18:42:43Z) - Automatic Evaluation and Moderation of Open-domain Dialogue Systems [59.305712262126264]
研究者が悩む長きにわたる課題は、効果的な自動評価指標の欠如である。
本稿では, 対話システム技術チャレンジ10(DSTC10)におけるトラック5で得られたデータ, ベースライン, 結果について述べる。
論文 参考訳（メタデータ） (2021-11-03T10:08:05Z) - Context Dependent Semantic Parsing: A Survey [56.69006903481575]
意味解析は、自然言語の発話を機械可読な意味表現に変換するタスクである。
現在、ほとんどの意味解析手法は文脈情報を利用することができない。
この問題に対処するため、コンテキスト依存のセマンティック解析が最近多くの注目を集めている。
論文 参考訳（メタデータ） (2020-11-02T07:51:05Z) - 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) - Vocabulary-based Method for Quantifying Controversy in Social Media [0.0]
本研究では,ソーシャルメディアのコミュニティで主に使用されているジャーゴンに基づく論争検出手法を開発した。
本手法はドメイン固有知識の使用を不要とし,言語に依存しない,効率的で,適用が容易な手法である。
論文 参考訳（メタデータ） (2020-01-14T17:43:21Z)
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。