論文の概要: Adversarial Learning-based Stance Classifier for COVID-19-related Health Policies

• arxiv url: http://arxiv.org/abs/2209.04631v3
• Date: Wed, 25 Jan 2023 13:26:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 11:04:06.956261
• Title: Adversarial Learning-based Stance Classifier for COVID-19-related Health Policies
• Title（参考訳）: 新型コロナウイルス関連健康政策のための逆学習型スタンス分類器
• Authors: Feng Xie, Zhong Zhang, Xuechen Zhao, Haiyang Wang, Jiaying Zou, Lei Tian, Bin Zhou, Yusong Tan
• Abstract要約: 本研究では、新型コロナウイルス関連健康政策に対する公衆の態度を自動的に識別する対人学習に基づくスタンス分類器を提案する。 モデルをより深く理解するために、モデルに外部知識としてポリシー記述を組み込む。 新型コロナウイルス関連健康政策のスタンス検出タスクにおいて,幅広い基準線の性能を評価する。
• 参考スコア（独自算出の注目度）: 14.558584240713154
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ongoing COVID-19 pandemic has caused immeasurable losses for people worldwide. To contain the spread of the virus and further alleviate the crisis, various health policies (e.g., stay-at-home orders) have been issued which spark heated discussions as users turn to share their attitudes on social media. In this paper, we consider a more realistic scenario on stance detection (i.e., cross-target and zero-shot settings) for the pandemic and propose an adversarial learning-based stance classifier to automatically identify the public's attitudes toward COVID-19-related health policies. Specifically, we adopt adversarial learning that allows the model to train on a large amount of labeled data and capture transferable knowledge from source topics, so as to enable generalize to the emerging health policies with sparse labeled data. To further enhance the model's deeper understanding, we incorporate policy descriptions as external knowledge into the model. Meanwhile, a GeoEncoder is designed which encourages the model to capture unobserved background factors specified by each region and then represent them as non-text information. We evaluate the performance of a broad range of baselines on the stance detection task for COVID-19-related health policies, and experimental results show that our proposed method achieves state-of-the-art performance in both cross-target and zero-shot settings.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは世界中の人々に不測の損失をもたらしている。 感染拡大を封じ込め、さらに危機を緩和するため、様々な健康政策(在宅勤務命令など)が発行され、ユーザーがソーシャルメディア上で態度を共有するようになったことで議論が激しさを増した。 本稿では、パンデミックに対するスタンス検出(クロスターゲット、ゼロショット設定)のより現実的なシナリオを考察し、新型コロナウイルス関連健康政策に対する公衆の態度を自動的に識別する対人学習に基づくスタンス分類器を提案する。 具体的には、モデルが大量のラベル付きデータをトレーニングし、ソーストピックから伝達可能な知識をキャプチャして、スパースラベル付きデータによる新興健康政策への一般化を可能にする逆学習を採用する。 モデルのより深い理解を深めるために、ポリシー記述を外部の知識としてモデルに組み込む。 一方、GeoEncoderは、各リージョンで指定された観測されていない背景要素をキャプチャし、非テキスト情報として表現することをモデルに推奨するように設計されている。 新型コロナウイルス関連健康政策におけるスタンス検出課題に基づく幅広いベースラインの性能評価を行い, 提案手法は, クロスターゲット, ゼロショットの両設定において, 最先端の性能を達成できることを実験的に示す。

関連論文リスト

• Compartmental Models for COVID-19 and Control via Policy Interventions [0.0]
  確率型プログラミング言語(PPL)のツールキットを用いてSARS-CoV-2パンデミックの拡散を再現し予測する手法を実証する。 我々のゴールは、様々なモデリング仮定の影響を調査し、感染症の拡散を制限するために制定された政策介入を動機づけることである。 我々は疫学者ではない。この研究の唯一の目的は、新型コロナウイルスの政策決定が現実世界に与える影響を直接推測するのではなく、方法の展示として機能することである。
  論文  参考訳（メタデータ） (2022-03-06T02:50:54Z)
• Reinforcement Learning with Heterogeneous Data: Estimation and Inference [84.72174994749305]
  人口の不均一性に関する逐次的決定問題に対処するために,K-ヘテロ・マルコフ決定過程(K-ヘテロ・MDP)を導入する。 本稿では、ある政策の価値を推定するための自己クラスタ化政策評価(ACPE)と、ある政策クラスにおける最適な政策を推定するための自己クラスタ化政策イテレーション(ACPI)を提案する。 理論的な知見を裏付けるシミュレーションを行い,MIMIC-III標準データセットの実証的研究を行った。
  論文  参考訳（メタデータ） (2022-01-31T20:58:47Z)
• Holistic Interpretation of Public Scenes Using Computer Vision and Temporal Graphs to Identify Social Distancing Violations [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、前例のない世界的な公衆衛生危機を引き起こした。 このパンデミックの広がりを抑えるための主要な戦略として、社会の分散対策が提案されている。 本稿では、新型コロナウイルス感染拡大の脅威レベル評価を提供するために、CCTV映像を解析するためのコンピュータビジョンに基づく新しいシステムを提案する。
  論文  参考訳（メタデータ） (2021-12-13T05:52:44Z)
• Proximal Reinforcement Learning: Efficient Off-Policy Evaluation in Partially Observed Markov Decision Processes [65.91730154730905]
  医療や教育などの観察データへのオフライン強化学習の適用においては、観察された行動は観測されていない要因に影響される可能性があるという一般的な懸念がある。 ここでは、部分的に観察されたマルコフ決定過程(POMDP)における非政治評価を考慮し、この問題に取り組む。 我々は、近位因果推論の枠組みをPOMDP設定に拡張し、識別が可能となる様々な設定を提供する。
  論文  参考訳（メタデータ） (2021-10-28T17:46:14Z)
• Assessing the Causal Impact of COVID-19 Related Policies on Outbreak Dynamics: A Case Study in the US [19.901831180866132]
  新型コロナウイルスの感染拡大抑制における非医薬品政策の因果的影響の分析は、今後の政策決定にとって重要である。 ここでの課題は、保存されていない共同設立者の存在(例えば、住民の警戒)である。 本稿では,異なる郡における新型コロナウイルス関連政策の流行動態に対する因果的影響を評価することの問題点について検討する。
  論文  参考訳（メタデータ） (2021-05-29T00:40:24Z)
• 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)
• Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
  半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。 我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
  論文  参考訳（メタデータ） (2020-10-10T19:33:53Z)
• COVI White Paper [67.04578448931741]
  接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
  論文  参考訳（メタデータ） (2020-05-18T07:40:49Z)
• When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
  新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。 さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。 本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
  論文  参考訳（メタデータ） (2020-05-13T18:21:50Z)

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。