論文の概要: Tweets2Stance: Users stance detection exploiting Zero-Shot Learning
Algorithms on Tweets
- arxiv url: http://arxiv.org/abs/2204.10710v1
- Date: Fri, 22 Apr 2022 14:00:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-25 16:48:35.522795
- Title: Tweets2Stance: Users stance detection exploiting Zero-Shot Learning
Algorithms on Tweets
- Title(参考訳): tweet2stance: ツイートのゼロショット学習アルゴリズムを利用したスタンス検出
- Authors: Margherita Gambini, Tiziano Fagni, Caterina Senette, Maurizio Tesconi
- Abstract要約: この研究の目的は、TwitterのパーティアカウントがTwitterで書いたことを悪用する各声明に関して、党pのスタンスを予測することである。
複数の実験から得られた結果から、Tweets2Stanceは、タスクの複雑さを考慮して、一般的な最小値である1.13の姿勢を正確に予測できることがわかった。
- 参考スコア(独自算出の注目度): 0.06372261626436675
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the last years there has been a growing attention towards predicting the
political orientation of active social media users, being this of great help to
study political forecasts, opinion dynamics modeling and users polarization.
Existing approaches, mainly targeting Twitter users, rely on content-based
analysis or are based on a mixture of content, network and communication
analysis. The recent research perspective exploits the fact that a user's
political affinity mainly depends on his/her positions on major political and
social issues, thus shifting the focus on detecting the stance of users through
user-generated content shared on social networks. The work herein described
focuses on a completely unsupervised stance detection framework that predicts
the user's stance about specific social-political statements by exploiting
content-based analysis of its Twitter timeline. The ground-truth user's stance
may come from Voting Advice Applications, online tools that help citizens to
identify their political leanings by comparing their political preferences with
party political stances. Starting from the knowledge of the agreement level of
six parties on 20 different statements, the objective of the study is to
predict the stance of a Party p in regard to each statement s exploiting what
the Twitter Party account wrote on Twitter. To this end we propose
Tweets2Stance (T2S), a novel and totally unsupervised stance detector framework
which relies on the zero-shot learning technique to quickly and accurately
operate on non-labeled data. Interestingly, T2S can be applied to any social
media user for any context of interest, not limited to the political one.
Results obtained from multiple experiments show that, although the general
maximum F1 value is 0.4, T2S can correctly predict the stance with a general
minimum MAE of 1.13, which is a great achievement considering the task
complexity.
- Abstract(参考訳): 近年、アクティブなソーシャルメディア利用者の政治的指向を予測することへの関心が高まっており、これは政治予測、意見ダイナミクスモデリング、ユーザー偏極の研究に大いに役立っている。
Twitterユーザーをターゲットとする既存のアプローチは、コンテンツベースの分析に依存するか、あるいはコンテンツ、ネットワーク、通信分析の混合に基づいている。
最近の研究の観点では、ユーザの政治的親和性は、主に主要な政治的・社会的問題に対する自身の立場に依存しているため、ソーシャルネットワーク上で共有されたユーザー生成コンテンツからユーザーのスタンスを検出することに焦点を移す。
この研究は、Twitterタイムラインのコンテンツベース分析を利用して、特定の社会的政治的発言に対するユーザのスタンスを予測する、完全に教師なしのスタンス検出フレームワークに焦点を当てている。
市民の政治的嗜好と政党の政治的スタンスを比較することで、市民の政治的傾きを識別するのに役立つオンラインツールである。
この研究の目的は、20の異なる声明に関する6つの当事者の合意レベルに関する知識から、Twitter上でTwitterアカウントが書いたものを活用する各声明に関して、P党のスタンスを予測することである。
この目的のために,ゼロショット学習技術に頼り,ラベルのないデータを迅速かつ正確に操作する新しい非教師なしスタンス検出フレームワークであるTweets2Stance(T2S)を提案する。
興味深いことに、t2sはあらゆるソーシャルメディアユーザーに対して、いかなる興味のある文脈でも適用できる。
複数の実験から得られた結果から、一般的な最大値f1値は0.4であるが、t2sはタスクの複雑さを考えると、一般的な最小mae 1.13でスタンスを正確に予測できることがわかった。
関連論文リスト
- On the Use of Proxies in Political Ad Targeting [49.61009579554272]
我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。
本研究は政治広告の規制に関する議論に重要な意味を持つ。
論文 参考訳(メタデータ) (2024-10-18T17:15:13Z) - Whose Side Are You On? Investigating the Political Stance of Large Language Models [56.883423489203786]
大規模言語モデル(LLM)の政治的指向性について,8つのトピックのスペクトルにわたって検討する。
我々の調査は、中絶からLGBTQ問題まで8つのトピックにまたがるLLMの政治的整合性について考察している。
この結果から,ユーザはクエリ作成時に留意すべきであり,中立的なプロンプト言語を選択する際には注意が必要であることが示唆された。
論文 参考訳(メタデータ) (2024-03-15T04:02:24Z) - Generalizing Political Leaning Inference to Multi-Party Systems:
Insights from the UK Political Landscape [10.798766768721741]
ソーシャルメディアユーザーの政治的傾きを推測する能力は、世論調査の収集に役立つ。
政治的傾きと相互のインタラクションによってラベル付けされたユーザからなるデータセットをリリースする。
我々は、ユーザー間のリツイートという形でのインタラクションが、政治的に傾いた推論を可能にする、非常に強力な機能であることを示します。
論文 参考訳(メタデータ) (2023-12-04T09:02:17Z) - Detecting Political Opinions in Tweets through Bipartite Graph Analysis:
A Skip Aggregation Graph Convolution Approach [9.350629400940493]
私たちは2020年の米国大統領選挙に集中し、Twitterから大規模なデータセットを作成します。
ツイート中の政治的意見を検出するために,ユーザの投稿行動とリツイート行動に基づいて,ユーザツイートの2部グラフを構築した。
ツイートノードに2階隣人からの情報を集約する新しいスキップアグリゲーション機構を導入する。
論文 参考訳(メタデータ) (2023-04-22T10:38:35Z) - Design and analysis of tweet-based election models for the 2021 Mexican
legislative election [55.41644538483948]
選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。
地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
論文 参考訳(メタデータ) (2023-01-02T12:40:05Z) - Retweet-BERT: Political Leaning Detection Using Language Features and
Information Diffusion on Social Networks [30.143148646797265]
Retweet-BERTは、シンプルでスケーラブルなモデルで、Twitterユーザーの政治的傾向を推定する。
我々の仮定は、同様のイデオロギーを共有する人々の間で、ネットワークや言語学のパターンがホモフィリーであることに由来する。
論文 参考訳(メタデータ) (2022-07-18T02:18:20Z) - Does Twitter know your political views? POLiTweets dataset and
semi-automatic method for political leaning discovery [0.0]
POLiTweetsは、複数政党のセットアップで政治的アフィリエイトを発見するための、ポーランド初の公開データセットである。
ポーランド語で書かれたユーザ約10万のツイートと、166人のユーザ約40万のツイートが、手動でテストセットとして注釈付けされている。
私たちは、トピックやコンテンツライターのタイプ、一般市民対プロの政治家のコンテキストにおけるドメインシフトの側面を研究するために、私たちのデータを使用しました。
論文 参考訳(メタデータ) (2022-06-14T10:28:23Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳(メタデータ) (2021-12-08T14:12:24Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳(メタデータ) (2021-06-07T19:26:32Z) - Inferring Political Preferences from Twitter [0.0]
ソーシャルメディアの政治的センチメント分析は、政治ストラテジストが政党や候補者のパフォーマンスを精査するのに役立つ。
選挙期間中、ソーシャルネットワークはブログ、チャット、討論、政党や政治家の展望に関する議論で溢れている。
本研究では、従来の機械学習を用いて、テキスト分類問題としてモデル化することで、ツイートに存在する政治的意見の傾きを特定することを選んだ。
論文 参考訳(メタデータ) (2020-07-21T05:20:43Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳(メタデータ) (2020-04-20T20:00:27Z)
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。