論文の概要: PAR: Political Actor Representation Learning with Social Context and Expert Knowledge

• arxiv url: http://arxiv.org/abs/2210.08362v1
• Date: Sat, 15 Oct 2022 19:28:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 18:16:34.728898
• Title: PAR: Political Actor Representation Learning with Social Context and Expert Knowledge
• Title（参考訳）: PAR:社会的文脈と専門知識を用いた政治アクター表現学習
• Authors: Shangbin Feng, Zhaoxuan Tan, Zilong Chen, Ningnan Wang, Peisheng Yu, Qinghua Zheng, Xiaojun Chang, Minnan Luo
• Abstract要約: 我々は,textbfPolitical textbfActor textbfRepresentation学習フレームワークであるtextbfPARを提案する。 我々は,社会的文脈情報を活用するために,議員に関する事実文を検索し,抽出する。 次に、社会的文脈を取り入れた異種情報ネットワークを構築し、リレーショナルグラフニューラルネットワークを用いて立法者表現を学習する。
• 参考スコア（独自算出の注目度）: 45.215862050840116
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modeling the ideological perspectives of political actors is an essential task in computational political science with applications in many downstream tasks. Existing approaches are generally limited to textual data and voting records, while they neglect the rich social context and valuable expert knowledge for holistic ideological analysis. In this paper, we propose \textbf{PAR}, a \textbf{P}olitical \textbf{A}ctor \textbf{R}epresentation learning framework that jointly leverages social context and expert knowledge. Specifically, we retrieve and extract factual statements about legislators to leverage social context information. We then construct a heterogeneous information network to incorporate social context and use relational graph neural networks to learn legislator representations. Finally, we train PAR with three objectives to align representation learning with expert knowledge, model ideological stance consistency, and simulate the echo chamber phenomenon. Extensive experiments demonstrate that PAR is better at augmenting political text understanding and successfully advances the state-of-the-art in political perspective detection and roll call vote prediction. Further analysis proves that PAR learns representations that reflect the political reality and provide new insights into political behavior.
• Abstract（参考訳）: 政治関係者のイデオロギー的視点のモデル化は、多くの下流のタスクに応用される計算的政治科学において不可欠なタスクである。 既存のアプローチは概してテキストデータと投票記録に限定されているが、全体主義的イデオロギー分析のための豊かな社会的文脈と価値ある専門家の知識を無視している。 本稿では,社会的文脈と専門知識を協調的に活用する,‘textbf{PAR}, a \textbf{P}olitical \textbf{A}ctor \textbf{R}epresentation learning framework’を提案する。 具体的には、社会的文脈情報を活用するために、議員に関する事実を抽出する。 次に,ソーシャルコンテキストを組み込んだ異種情報ネットワークを構築し,関係グラフニューラルネットワークを用いて立法者表現を学習する。 最後に,表現学習と専門家知識の整合性,モデルイデオロギー的姿勢の整合性,エコーチャンバー現象のシミュレートの3つの目的でPARを訓練する。 大規模な実験により、PARは政治的テキスト理解の向上に優れており、政治的視点の検出と投票予測における最先端の進歩に成功している。 さらなる分析により、パーは政治的現実を反映した表現を学び、政治行動に新たな洞察を与えることが証明される。

関連論文リスト

• From a Social Cognitive Perspective: Context-aware Visual Social Relationship Recognition [59.57095498284501]
  我々は,textbfContextual textbfSocial textbfRelationships (textbfConSoR) を社会的認知の観点から認識する新しいアプローチを提案する。 画像ごとの社会的関係を考慮した社会認識記述言語プロンプトを構築した。 印象的なことに、ConSoRは従来の手法を上回り、Person-in-Social-Context(PISC)データセットでは12.2%、Person-in-Photo-Album(PIPA)ベンチマークでは9.8%向上している。
  論文  参考訳（メタデータ） (2024-06-12T16:02:28Z)
• Political Leaning Inference through Plurinational Scenarios [4.899818550820576]
  この研究は、スペインにおける3つの多様な地域(バスク州、カタルーニャ州、ガリシア州)に焦点を当て、多党の分類の様々な方法を探究する。 我々は、リツイートから得られた教師なしユーザ表現と、その後の政治的傾き検出に使用される2段階の手法を用いる。
  論文  参考訳（メタデータ） (2024-06-12T07:42:12Z)
• Inducing Political Bias Allows Language Models Anticipate Partisan Reactions to Controversies [5.958974943807783]
  本研究では,Large Language Models (LLMs) を用いたデジタル談話における政治的偏見の理解の課題に対処する。 本稿では,Partisan Bias Divergence AssessmentとPartisan Class Tendency Predictionからなる包括的分析フレームワークを提案する。 以上の結果から,感情的・道徳的ニュアンスを捉えたモデルの有効性が明らかとなった。
  論文  参考訳（メタデータ） (2023-11-16T08:57:53Z)
• "We Demand Justice!": Towards Social Context Grounding of Political Texts [19.58924256275583]
  ソーシャルメディアの談話は、しばしば「政治的スペクトルの対立する側が使用する、見事に類似した言語」で構成されている。 本稿では、そのような曖昧な文を計算環境で完全に理解するために必要なコンテキストを定義する。 本論文では,テキストの現実的コンテキストを理解する必要がある2つの挑戦的データセットを提案する。
  論文  参考訳（メタデータ） (2023-11-15T16:53:35Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• KHAN: Knowledge-Aware Hierarchical Attention Networks for Accurate Political Stance Prediction [37.261840137596195]
  政治スタンス予測(KHAN)に対する新しい知識認識アプローチを提案する。 本研究では,(1)単語・文間の関係を3段階に分けて学習する階層的注意ネットワーク(HAN)と,(2)実世界の実体の外部知識を政治的スタンス予測のプロセスに組み込む知識符号化(KE)を利用する。 実世界の3つのデータセットに対する広範な評価を通じて,(1)精度,(2)効率,(3)有効性の観点から,DASHの優位性を示す。
  論文  参考訳（メタデータ） (2023-02-23T16:09:42Z)
• Improving (Dis)agreement Detection with Inductive Social Relation Information From Comment-Reply Interactions [49.305189190372765]
  社会関係情報は、テキスト情報以外の(認識の)タスクにおいて補助的な役割を果たすことができる。 本稿では,このような関係情報を(離散化)データから帰納的社会関係グラフに抽出する手法を提案する。 社会関係は,特に長時間のコメント-返信ペアにおいて,(不一致)認識モデルの性能を高めることができる。
  論文  参考訳（メタデータ） (2023-02-08T09:09:47Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• Encoding Heterogeneous Social and Political Context for Entity Stance Prediction [7.477393857078695]
  本稿では,エンティティスタンス予測の新しい課題を提案する。 我々は、現代アメリカの政治に関する社会団体に関する事実をウィキペディアから回収する。 そして、我々は、ドメインの専門家の助けを借りて、政治イデオロギーに対する社会団体のスタンスに注釈を付ける。
  論文  参考訳（メタデータ） (2021-08-09T08:59:43Z)
• 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)

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。