論文の概要: Public Wisdom Matters! Discourse-Aware Hyperbolic Fourier Co-Attention for Social-Text Classification

• arxiv url: http://arxiv.org/abs/2209.13017v1
• Date: Thu, 15 Sep 2022 16:04:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 23:24:12.028844
• Title: Public Wisdom Matters! Discourse-Aware Hyperbolic Fourier Co-Attention for Social-Text Classification
• Title（参考訳）: 公共の知恵! ソーシャルテキスト分類のための対話型ハイパーボリックフーリエ共用
• Authors: Karish Grover, S.M. Phaneendra Angara, Md. Shad Akhtar, Tanmoy Chakraborty
• Abstract要約: ヒュッフェン(Hyphen)は、双曲型スペクトルコアテンションネットワークである。 その結果,Hyphenは10のベンチマークデータセットに対して,最先端の結果を得ることができた。
• 参考スコア（独自算出の注目度）: 27.884015521888458
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media has become the fulcrum of all forms of communication. Classifying social texts such as fake news, rumour, sarcasm, etc. has gained significant attention. The surface-level signals expressed by a social-text itself may not be adequate for such tasks; therefore, recent methods attempted to incorporate other intrinsic signals such as user behavior and the underlying graph structure. Oftentimes, the `public wisdom' expressed through the comments/replies to a social-text acts as a surrogate of crowd-sourced view and may provide us with complementary signals. State-of-the-art methods on social-text classification tend to ignore such a rich hierarchical signal. Here, we propose Hyphen, a discourse-aware hyperbolic spectral co-attention network. Hyphen is a fusion of hyperbolic graph representation learning with a novel Fourier co-attention mechanism in an attempt to generalise the social-text classification tasks by incorporating public discourse. We parse public discourse as an Abstract Meaning Representation (AMR) graph and use the powerful hyperbolic geometric representation to model graphs with hierarchical structure. Finally, we equip it with a novel Fourier co-attention mechanism to capture the correlation between the source post and public discourse. Extensive experiments on four different social-text classification tasks, namely detecting fake news, hate speech, rumour, and sarcasm, show that Hyphen generalises well, and achieves state-of-the-art results on ten benchmark datasets. We also employ a sentence-level fact-checked and annotated dataset to evaluate how Hyphen is capable of producing explanations as analogous evidence to the final prediction.
• Abstract（参考訳）: ソーシャルメディアはあらゆる形のコミュニケーションの基盤となっている。 偽ニュース、噂、皮肉などのソーシャルテキストの分類が注目されている。 ソーシャルテキスト自体で表される表面レベルの信号は,そのようなタスクには適さない可能性があるため,近年ではユーザ行動や基礎となるグラフ構造などの本質的な信号を組み込もうと試みている。 しばしば、社会テキストへのコメントや返信を通じて表現される「公的な知恵」は、クラウドソースの視点の代理として機能し、補完的なシグナルを提供する。 ソーシャルテキスト分類における最先端の手法は、このようなリッチな階層的シグナルを無視する傾向がある。 本稿では,対話型双曲スペクトルコアテンションネットワークHyphenを提案する。 ハイフンは双曲グラフ表現学習と新しいフーリエ協調機構の融合であり、公の談話を取り込むことで社会的テキスト分類タスクを一般化しようとする試みである。 我々は公言を抽象的意味表現(amr)グラフとして解析し、階層構造を持つグラフをモデル化するために強力な双曲幾何学表現を用いる。 最後に,新しいフーリエ・コアテンション・メカニズムを取り入れ,ソースポストと公開談話の相関関係を捉える。 フェイクニュース、ヘイトスピーチ、噂、皮肉といった4つのソーシャルテキスト分類タスクに関する大規模な実験は、Hyphenがうまく一般化し、10のベンチマークデータセットで最先端の結果を達成することを示す。 また、文レベルのファクトチェックと注釈付きデータセットを用いて、最終予測の類似の証拠としてハイフンがどのように生成できるかを評価する。

関連論文リスト

• Enhancing Fake News Detection in Social Media via Label Propagation on Cross-modal Tweet Graph [19.409935976725446]
  ソーシャルメディアにおける偽ニュースを検出する新しい方法を提案する。 我々の手法は、より密な相互作用をよりよく捉えるために、グラフの接続性を高める。 評価には、Twitter、PHEME、Weiboの3つの公開フェイクニュースデータセットを使用します。
  論文  参考訳（メタデータ） (2024-06-14T09:55:54Z)
• "A Tale of Two Movements": Identifying and Comparing Perspectives in #BlackLivesMatter and #BlueLivesMatter Movements-related Tweets using Weakly Supervised Graph-based Structured Prediction [24.02026820625265]
  ソーシャルメディアは、オンライン社会運動の形成を促進することによって、社会変革の主要な原動力となっている。 我々は#BackLivesMatter関連ツイートの視点を明示的にモデル化する弱い教師付きグラフベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-10-11T03:01:42Z)
• Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
  ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。 自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。 本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
  論文  参考訳（メタデータ） (2023-07-05T20:16:20Z)
• ConGraT: Self-Supervised Contrastive Pretraining for Joint Graph and Text Embeddings [20.25180279903009]
  テキスト分散グラフ(TAG)におけるテキストとノードの分離表現を共同学習するためのContrastive Graph-Text Pretraining(ConGraT)を提案する。 提案手法は言語モデル(LM)とグラフニューラルネットワーク(GNN)を訓練し,CLIPにインスパイアされたバッチワイドコントラスト学習目標を用いて,それらの表現を共通の潜在空間に整列させる。 実験により、ConGraTは、ノードとテキストのカテゴリ分類、リンク予測、言語モデリングなど、さまざまな下流タスクのベースラインよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-05-23T17:53:30Z)
• Depression detection in social media posts using affective and social norm features [84.12658971655253]
  ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。 我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。 提案された機能を含めると、両方の設定で最先端の結果が得られます。
  論文  参考訳（メタデータ） (2023-03-24T21:26:27Z)
• Exploring Fake News Detection with Heterogeneous Social Media Context Graphs [4.2177790395417745]
  フェイクニュースの検出は、社会全体に直接的な影響を与えるため、純粋に学術的な関心を超える研究領域となっている。 本稿では,ニュース記事を取り巻く異質なソーシャルコンテキストグラフを構築し,問題をグラフ分類タスクとして再構築することを提案する。
  論文  参考訳（メタデータ） (2022-12-13T13:29:47Z)
• Emotion Analysis using Multi-Layered Networks for Graphical Representation of Tweets [0.10499611180329801]
  そこで本稿では,複数層ネットワーク(MLN)を用いたソーシャルメディアテキストのグラフィカルなモデル化手法を提案する。 最先端のグラフニューラルネットワーク(GNN)は、Tweet-MLNから情報を抽出し、抽出したグラフの特徴に基づいて予測を行う。 その結果、MLTAはより大きな感情から予測し、通常のポジティブ、ネガティブ、中立的な感情よりも正確な感情を提供するだけでなく、Twitterデータのグループレベルの正確な予測を可能にしている。
  論文  参考訳（メタデータ） (2022-07-02T20:26:55Z)
• Evidential Temporal-aware Graph-based Social Event Detection via Dempster-Shafer Theory [76.4580340399321]
  ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。 ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。 ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
  論文  参考訳（メタデータ） (2022-05-24T16:22:40Z)
• Enhancing Social Relation Inference with Concise Interaction Graph and Discriminative Scene Representation [56.25878966006678]
  我々はtextbfSocial rtextbfElation (PRISE) における textbfPractical textbfInference のアプローチを提案する。 人の対話的特徴と全体主義的な場面の識別的特徴を簡潔に学習する。 PRISEはPIPAデータセットにおけるドメイン分類の改善を6.8$%で達成している。
  論文  参考訳（メタデータ） (2021-07-30T04:20:13Z)
• Interpretable Signed Link Prediction with Signed Infomax Hyperbolic Graph [54.03786611989613]
  ソーシャルネットワークにおけるサイン付きリンク予測は、ユーザ(すなわちノード)間の基盤となる関係(リンク)を明らかにすることを目的としている 我々は Signed Infomax Hyperbolic Graph (textbfSIHG) と呼ばれる統一されたフレームワークを開発する。 高次ユーザ関係と複雑な階層をモデル化するために、ノードの埋め込みを投影し、より低歪みの双曲空間で測定する。
  論文  参考訳（メタデータ） (2020-11-25T05:09:03Z)
• Structure-Augmented Text Representation Learning for Efficient Knowledge Graph Completion [53.31911669146451]
  人為的な知識グラフは、様々な自然言語処理タスクに重要な支援情報を提供する。 これらのグラフは通常不完全であり、自動補完を促す。 グラフ埋め込みアプローチ(例えばTransE)は、グラフ要素を密度の高い埋め込みに表現することで構造化された知識を学ぶ。 テキストエンコーディングアプローチ(KG-BERTなど)は、グラフトリプルのテキストとトリプルレベルの文脈化表現を利用する。
  論文  参考訳（メタデータ） (2020-04-30T13:50:34Z)

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。