論文の概要: Disentangled Learning of Stance and Aspect Topics for Vaccine Attitude Detection in Social Media

• arxiv url: http://arxiv.org/abs/2205.03296v1
• Date: Fri, 6 May 2022 15:24:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-09 13:11:05.020871
• Title: Disentangled Learning of Stance and Aspect Topics for Vaccine Attitude Detection in Social Media
• Title（参考訳）: ソーシャルメディアにおけるワクチン態度検出のためのスタンスとアスペクトトピックの絡み合った学習
• Authors: Lixing Zhu and Zheng Fang and Gabriele Pergola and Rob Procter and Yulan He
• Abstract要約: VADetと呼ばれるワクチンの姿勢検出のための新しい半教師付きアプローチを提案する。 VADetは、歪んだ姿勢とアスペクトトピックを学習することができ、スタンス検出とツイートクラスタリングの両方で、既存のアスペクトベースの感情分析モデルより優れています。
• 参考スコア（独自算出の注目度）: 40.61499595293957
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Building models to detect vaccine attitudes on social media is challenging because of the composite, often intricate aspects involved, and the limited availability of annotated data. Existing approaches have relied heavily on supervised training that requires abundant annotations and pre-defined aspect categories. Instead, with the aim of leveraging the large amount of unannotated data now available on vaccination, we propose a novel semi-supervised approach for vaccine attitude detection, called VADet. A variational autoencoding architecture based on language models is employed to learn from unlabelled data the topical information of the domain. Then, the model is fine-tuned with a few manually annotated examples of user attitudes. We validate the effectiveness of VADet on our annotated data and also on an existing vaccination corpus annotated with opinions on vaccines. Our results show that VADet is able to learn disentangled stance and aspect topics, and outperforms existing aspect-based sentiment analysis models on both stance detection and tweet clustering.
• Abstract（参考訳）: ソーシャルメディア上でワクチンの態度を検出するためのモデルの構築は、複合的で、しばしば複雑な側面と、注釈付きデータの限られた可用性のために困難である。 既存のアプローチは、豊富なアノテーションと事前定義されたアスペクトカテゴリを必要とする教師付きトレーニングに大きく依存しています。 そこで本研究では,ワクチン接種に関する無記名データを活用することを目的として,ワクチン態度検出のための新しい半教師付き手法であるvadetを提案する。 言語モデルに基づく変分自動エンコーディングアーキテクチャを用いて、ドメインのトピック情報に関する未ラベルデータから学習する。 次に、モデルに手動でアノテートされたユーザ態度の例をいくつか追加する。 我々は,VADetの接種データおよびワクチンに関する意見を付した既存の接種コーパスに対する効果を検証した。 以上の結果から,VADetは,アンスタンス検出とつぶやきクラスタリングの両面で,既存のアスペクトベース感情分析モデルよりも優れていることがわかった。

関連論文リスト

• Optimizing Social Media Annotation of HPV Vaccine Skepticism and Misinformation Using Large Language Models: An Experimental Evaluation of In-Context Learning and Fine-Tuning Stance Detection Across Multiple Models [10.2201516537852]
  我々は,HPVワクチン関連ツイートに対するスタンス検出のためのソーシャルメディアコンテンツアノテーションのスケールアップのための最適戦略を実験的に決定する。 一般に、インコンテキスト学習は、HPVワクチンのソーシャルメディアコンテンツに対するスタンス検出において微調整よりも優れる。
  論文  参考訳（メタデータ） (2024-11-22T04:19:32Z)
• Unsupervised Model Diagnosis [49.36194740479798]
  本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。 提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
  論文  参考訳（メタデータ） (2024-10-08T17:59:03Z)
• Contrastive Learning with Counterfactual Explanations for Radiology Report Generation [83.30609465252441]
  放射線学レポート生成のためのtextbfCountertextbfFactual textbfExplanations-based framework (CoFE) を提案する。 反現実的な説明は、アルゴリズムによってなされた決定をどのように変えられるかを理解するための強力なツールとして、シナリオが何であるかを問うことによって役立ちます。 2つのベンチマークの実験では、反ファクト的な説明を活用することで、CoFEは意味的に一貫性があり、事実的に完全なレポートを生成することができる。
  論文  参考訳（メタデータ） (2024-07-19T17:24:25Z)
• Hierarchical Multi-Label Classification of Online Vaccine Concerns [8.271202196208]
  ワクチンの懸念は進化を続けるターゲットであり、新型コロナウイルス(COVID-19)のパンデミックで見られるように急速に変化する可能性がある。 本稿では,大規模言語モデル(LLM)を用いて,高価なトレーニングデータセットを必要とせず,ゼロショット設定でワクチンの関心事を検出するタスクについて検討する。
  論文  参考訳（メタデータ） (2024-02-01T20:56:07Z)
• Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
  本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。 本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。 この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-12-16T13:57:41Z)
• "Double vaccinated, 5G boosted!": Learning Attitudes towards COVID-19 Vaccination from Social Media [4.178929174617172]
  ソーシャルメディア上でのテキスト投稿を利用して、利用者の接種姿勢をほぼリアルタイムで抽出し追跡する。 我々は、ユーザのソーシャルネットワーク隣人の最近の投稿を統合して、ユーザの真の態度を検出する。 Twitterの注釈付きデータセットに基づいて、我々のフレームワークからインスタンス化されたモデルは、姿勢抽出のパフォーマンスを最大23%向上させることができる。
  論文  参考訳（メタデータ） (2022-06-27T17:04:56Z)
• Insta-VAX: A Multimodal Benchmark for Anti-Vaccine and Misinformation Posts Detection on Social Media [32.252687203366605]
  ソーシャルメディア上の抗ワクチンポストは、混乱を招き、ワクチンに対する大衆の信頼を低下させることが示されている。 Insta-VAXは、ヒトワクチンに関連する64,957のInstagram投稿のサンプルからなる、新しいマルチモーダルデータセットである。
  論文  参考訳（メタデータ） (2021-12-15T20:34:57Z)
• Classifying vaccine sentiment tweets by modelling domain-specific representation and commonsense knowledge into context-aware attentive GRU [9.8215089151757]
  ワクチンのヘシタシーと拒絶はワクチン接種率の低いクラスターを生じさせ、ワクチン接種プログラムの有効性を低下させる。 ソーシャルメディアは、地理的な位置を含み、ワクチンに関する懸念を詳述することで、ワクチンの受け入れに対する新たなリスクを見積もる機会を提供する。 ワクチン関連ツイートなどのソーシャルメディア投稿を分類する手法では、一般的なドメインテキストで訓練された言語モデル(LM)を使用する。 本稿では、ワクチン関連ツイートで訓練されたドメイン固有LMを用いて相互接続されたコンポーネントで構成された新しいエンドツーエンドフレームワークについて、コンテキスト対応の双方向ゲート再帰ネットワーク(CK-BiGRU)にコモンセンス知識をモデル化する。
  論文  参考訳（メタデータ） (2021-06-17T15:16:08Z)
• Proactive Pseudo-Intervention: Causally Informed Contrastive Learning For Interpretable Vision Models [103.64435911083432]
  PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。 PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。 また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
  論文  参考訳（メタデータ） (2020-12-06T20:30:26Z)
• Text Mining to Identify and Extract Novel Disease Treatments From Unstructured Datasets [56.38623317907416]
  Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。 次に、テキストを体系的に前処理するためのパイプラインを構築します。 我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
  論文  参考訳（メタデータ） (2020-10-22T19:52:49Z)

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。