論文の概要: ExaASC: A General Target-Based Stance Detection Corpus in Arabic Language

• arxiv url: http://arxiv.org/abs/2204.13979v1
• Date: Fri, 29 Apr 2022 10:03:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-02 23:37:22.220306
• Title: ExaASC: A General Target-Based Stance Detection Corpus in Arabic Language
• Title（参考訳）: ExaASC:アラビア語における汎用的ターゲットベーススタンス検出コーパス
• Authors: Mohammad Mehdi Jaziriyan, Ahmad Akbari, Hamed Karbasi
• Abstract要約: 本研究は、ソースツイートにおいて、最も重要かつ議論の的となるターゲットに対する応答のスタンスを用いて、ターゲットベースのスタンス検出に向けた新しい手法を提案する。 我々の提案した新しい態度は、この分野の低資源言語の一つであるアラビア語のための ExaASC という新しいコーパスを生み出した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Target-based Stance Detection is the task of finding a stance toward a target. Twitter is one of the primary sources of political discussions in social media and one of the best resources to analyze Stance toward entities. This work proposes a new method toward Target-based Stance detection by using the stance of replies toward a most important and arguing target in source tweet. This target is detected with respect to the source tweet itself and not limited to a set of pre-defined targets which is the usual approach of the current state-of-the-art methods. Our proposed new attitude resulted in a new corpus called ExaASC for the Arabic Language, one of the low resource languages in this field. In the end, we used BERT to evaluate our corpus and reached a 70.69 Macro F-score. This shows that our data and model can work in a general Target-base Stance Detection system. The corpus is publicly available1.
• Abstract（参考訳）: ターゲットベースのスタンス検出は、ターゲットに対する姿勢を見つけるタスクである。 Twitterは、ソーシャルメディアにおける政治議論の主要な情報源の1つであり、Stanceをエンティティに対して分析するための最良のリソースの1つである。 本研究は,ツイート中の最も重要かつ議論的なターゲットに対する回答の姿勢を用いて,ターゲットベースの姿勢検出のための新しい手法を提案する。 このターゲットは、ソースツイート自体に対して検出され、現在の最先端メソッドの通常のアプローチである事前定義されたターゲットセットに制限されない。 我々の提案した新しい態度は、この分野の低資源言語の一つであるアラビア語のための ExaASC という新しいコーパスを生み出した。 最終的に、BERTを用いてコーパスを評価し、70.69マクロFスコアに達した。 これは、我々のデータとモデルが汎用的なターゲットベーススタンス検出システムで動作可能であることを示している。 コーパスは一般公開されている。

関連論文リスト

• Can Large Language Models Address Open-Target Stance Detection? [0.7032245866317618]
  Open-Target Stance Detection (OTSD) は、トレーニング中にターゲットが見つからず、入力として提供されない、最も現実的なタスクである。 我々は,Large Language Models (LLMs) GPT-4o, GPT-3.5, Llama-3, Mistralの評価を行い,その性能を既存の作品であるTarget-Stance extract (TSE)と比較した。 実験の結果,実対象が明示的に記述され,テキストに明記されていない場合,LLMはターゲット生成においてTSEを上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-08-30T19:26:15Z)
• Target Span Detection for Implicit Harmful Content [18.84674403712032]
  我々は、より微妙なヘイトスピーチを認識し、デジタルプラットフォーム上で有害なコンテンツを検出するために不可欠な、ヘイトスピーチの暗黙のターゲットを特定することに注力する。 我々は、SBIC、DynaHate、IHCの3つの顕著な暗黙のヘイトスピーチデータセットでターゲットを収集し、注釈付けする。 実験の結果,Implicit-Target-Spanはターゲットスパン検出法に挑戦的なテストベッドを提供することがわかった。
  論文  参考訳（メタデータ） (2024-03-28T21:15:15Z)
• Promoting Target Data in Context-aware Neural Machine Translation [1.8130068086063336]
  我々は,対象のコンテキストがソース言語に前置されるような,新しい結合に基づく変種を評価する。 ソースにターゲットコンテキストを含めることで、ターゲット言語現象に大きな改善がもたらされることを示す。
  論文  参考訳（メタデータ） (2024-02-09T11:34:39Z)
• K-HATERS: A Hate Speech Detection Corpus in Korean with Target-Specific Ratings [6.902524826065157]
  K-HATERSは韓国のヘイトスピーチ検出のための新しいコーパスで、ターゲット固有の攻撃性評価を持つ約192Kのニュースコメントを含んでいる。 本研究は,ヘイトスピーチの検出と資源構築に関するNLP研究に寄与する。
  論文  参考訳（メタデータ） (2023-10-24T01:20:05Z)
• HIQL: Offline Goal-Conditioned RL with Latent States as Actions [81.67963770528753]
  オフラインデータからゴール条件付きRLの階層的アルゴリズムを提案する。 この階層的な分解によって、推定値関数のノイズに頑健になることを示す。 提案手法は,従来の手法を巧みに操り,高次元画像観察にスケールできるとともに,アクションフリーなデータを容易に利用することができる。
  論文  参考訳（メタデータ） (2023-07-22T00:17:36Z)
• How to Solve Few-Shot Abusive Content Detection Using the Data We Actually Have [58.23138483086277]
  この作業では、すでに持っているデータセットを活用し、虐待的な言語検出に関連する幅広いタスクをカバーしています。 私たちのゴールは、ターゲットドメインのトレーニング例を少しだけ使用して、新しいターゲットラベルセットや/または言語のために、安価にモデルを構築することです。 実験の結果、すでに存在するデータセットと、対象タスクのほんの数ショットしか使用していないモデルの性能が、モノリンガル言語と言語間で改善されていることがわかった。
  論文  参考訳（メタデータ） (2023-05-23T14:04:12Z)
• CLIP the Gap: A Single Domain Generalization Approach for Object Detection [60.20931827772482]
  単一ドメインの一般化(Single Domain Generalization)は、単一のソースドメイン上でモデルをトレーニングすることで、目に見えないターゲットドメインに一般化する問題に取り組む。 本稿では、事前学習された視覚言語モデルを用いて、テキストプロンプトを介して意味領域の概念を導入することを提案する。 本手法は,検出器のバックボーンから抽出した特徴に作用する意味的拡張戦略と,テキストに基づく分類損失によって実現される。
  論文  参考訳（メタデータ） (2023-01-13T12:01:18Z)
• Object-fabrication Targeted Attack for Object Detection [54.10697546734503]
  物体検出の敵攻撃は 標的攻撃と未標的攻撃を含む。 新たなオブジェクトファブリケーションターゲット攻撃モードは、特定のターゲットラベルを持つ追加の偽オブジェクトをファブリケートする検出器を誤解させる可能性がある。
  論文  参考訳（メタデータ） (2022-12-13T08:42:39Z)
• 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)
• Detection of Adversarial Supports in Few-shot Classifiers Using Feature Preserving Autoencoders and Self-Similarity [89.26308254637702]
  敵対的なサポートセットを強調するための検出戦略を提案する。 我々は,特徴保存型オートエンコーダフィルタリングと,この検出を行うサポートセットの自己相似性の概念を利用する。 提案手法は攻撃非依存であり, 最善の知識まで, 数発分類器の検出を探索する最初の方法である。
  論文  参考訳（メタデータ） (2020-12-09T14:13:41Z)
• 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。