論文の概要: A Graph-Based Context-Aware Model to Understand Online Conversations
- arxiv url: http://arxiv.org/abs/2211.09207v1
- Date: Wed, 16 Nov 2022 20:51:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 15:26:27.982490
- Title: A Graph-Based Context-Aware Model to Understand Online Conversations
- Title（参考訳）: オンライン会話を理解するグラフベースコンテキスト認識モデル
- Authors: Vibhor Agarwal, Anthony P. Young, Sagar Joglekar, Nishanth Sastry
- Abstract要約: オンライン会話では、コメントや返信は、すぐに関連する情報以外の外部のコンテキストに基づいている可能性がある。
グラフウォークを用いて会話のより広いコンテキストを組み込む新しいグラフベースのディープラーニングアーキテクチャであるGraphNLIを提案する。
極性予測と擬似的ヘイトスピーチ検出という2つのタスクでGraphNLIを評価する。
- 参考スコア（独自算出の注目度）: 3.8345539498627437
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Online forums that allow for participatory engagement between users have been
transformative for the public discussion of many important issues. However,
such conversations can sometimes escalate into full-blown exchanges of hate and
misinformation. Existing approaches in natural language processing (NLP), such
as deep learning models for classification tasks, use as inputs only a single
comment or a pair of comments depending upon whether the task concerns the
inference of properties of the individual comments or the replies between pairs
of comments, respectively. But in online conversations, comments and replies
may be based on external context beyond the immediately relevant information
that is input to the model. Therefore, being aware of the conversations'
surrounding contexts should improve the model's performance for the inference
task at hand.
We propose GraphNLI, a novel graph-based deep learning architecture that uses
graph walks to incorporate the wider context of a conversation in a principled
manner. Specifically, a graph walk starts from a given comment and samples
"nearby" comments in the same or parallel conversation threads, which results
in additional embeddings that are aggregated together with the initial
comment's embedding. We then use these enriched embeddings for downstream NLP
prediction tasks that are important for online conversations. We evaluate
GraphNLI on two such tasks - polarity prediction and misogynistic hate speech
detection - and found that our model consistently outperforms all relevant
baselines for both tasks. Specifically, GraphNLI with a biased root-seeking
random walk performs with a macro-F1 score of 3 and 6 percentage points better
than the best-performing BERT-based baselines for the polarity prediction and
hate speech detection tasks, respectively.
- Abstract（参考訳）: ユーザ間の参加型エンゲージメントを可能にするオンラインフォーラムは、多くの重要な問題に関する公開議論に変革をもたらした。
しかし、そのような会話は時に憎悪と誤報の完全な交換へとエスカレートすることがある。
分類タスクのためのディープラーニングモデルのような自然言語処理(nlp)の既存のアプローチでは、タスクが個々のコメントの特性の推論やコメントのペア間の返信に関係しているかによって、単一のコメントまたはコメントのペアのみを入力として使用する。
しかし、オンライン会話では、コメントと返信はモデルに入力される即座に関連する情報を超えた外部の文脈に基づいている可能性がある。
したがって、会話の周囲の状況に気付くと、手元にある推論タスクに対するモデルの性能が向上する。
グラフウォークを用いて会話のより広いコンテキストを原則的に取り入れる,新しいグラフベースのディープラーニングアーキテクチャであるgraphnliを提案する。
具体的には、グラフウォークは、与えられたコメントから始まり、同じまたは平行な会話スレッドで"近くの"コメントをサンプリングする。
次に、これらリッチな埋め込みを、オンライン会話において重要な、下流のNLP予測タスクに使用します。
極性予測と擬似的ヘイトスピーチ検出という2つのタスクでGraphNLIを評価し、我々のモデルが両方のタスクのすべての関連するベースラインを一貫して上回ることを示した。
具体的には、偏りのあるルート探索ランダムウォークを持つGraphNLIは、極性予測とヘイトスピーチ検出タスクにおいて、最高性能のBERTベースラインよりもマクロF1スコアが3と6のパーセンテージで実行する。
関連論文リスト
- Integrating Large Language Models with Graph-based Reasoning for Conversational Question Answering [58.17090503446995]
我々は,テキストや知識グラフ,テーブル,インフォボックスといった異質な情報源から収集された証拠について,文脈における質問の理解と推論の課題を組み合わせた会話型質問応答タスクに着目する。
提案手法はグラフ構造表現を用いて質問とその文脈に関する情報を集約する。
論文 参考訳（メタデータ） (2024-06-14T13:28:03Z) - GASCOM: Graph-based Attentive Semantic Context Modeling for Online
Conversation Understanding [4.9711707739781215]
本稿では,オンライン会話理解のためのグラフベースの意味意味テキストモデリング(GASCOM)フレームワークを提案する。
具体的には、オンライン会話のグラフ構造と、個々の投稿のセマンティック情報の両方を利用する2つの新しいアルゴリズムを設計する。
提案手法は,両タスクの最先端手法を著しく上回っている。
論文 参考訳（メタデータ） (2023-10-21T14:45:26Z) - Analyzing Vietnamese Legal Questions Using Deep Neural Networks with
Biaffine Classifiers [3.116035935327534]
我々は深層ニューラルネットワークを用いてベトナムの法的問題から重要な情報を抽出することを提案する。
自然言語で法的疑問が与えられた場合、その疑問に答えるために必要な情報を含む全てのセグメントを抽出することが目的である。
論文 参考訳（メタデータ） (2023-04-27T18:19:24Z) - GraphNLI: A Graph-based Natural Language Inference Model for Polarity
Prediction in Online Debates [3.8345539498627437]
グラフウォーク技術を用いて、議論スレッドのより広いコンテキストをキャプチャするグラフベースの新しいディープラーニングアーキテクチャであるGraphNLIを提案する。
次に、これらの埋め込みを使用して、返信と返信するポストの間の極性関係を予測する。
我々のモデルはS-BERTを含む関連するベースラインを83%の精度で上回ります。
論文 参考訳（メタデータ） (2022-02-16T16:26:21Z) - Findings on Conversation Disentanglement [28.874162427052905]
発話から発話への分類と発話からスレッドへの分類を学習する学習モデルを構築した。
Ubuntu IRCデータセットの実験は、このアプローチが従来の欲求的アプローチを上回る可能性があることを示している。
論文 参考訳（メタデータ） (2021-12-10T05:54:48Z) - ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive
Summarization with Argument Mining [61.82562838486632]
我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。
我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
論文 参考訳（メタデータ） (2021-06-01T22:17:13Z) - Dialogue History Matters! Personalized Response Selectionin Multi-turn
Retrieval-based Chatbots [62.295373408415365]
本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。
1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。
ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
論文 参考訳（メタデータ） (2021-03-17T09:42:11Z) - Dialogue Relation Extraction with Document-level Heterogeneous Graph
Attention Networks [21.409522845011907]
対話関係抽出(DRE)は,多人数対話で言及される2つのエンティティ間の関係を検出することを目的としている。
本稿では,グラフが有意に接続された話者,エンティティ,エンティティタイプ,発話ノードを含むDREのためのグラフ注意ネットワーク方式を提案する。
このグラフに基づくアプローチは,対話における異なるエンティティペア間の関係を効果的に捉え,最先端のアプローチよりも優れていることを実証的に示す。
論文 参考訳（メタデータ） (2020-09-10T18:51:48Z) - Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。
我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。
我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
論文 参考訳（メタデータ） (2020-08-21T20:59:34Z) - A Graph-based Interactive Reasoning for Human-Object Interaction
Detection [71.50535113279551]
本稿では,HOIを推論するインタラクティブグラフ(Interactive Graph, in-Graph)という,グラフに基づくインタラクティブ推論モデルを提案する。
In-GraphNet と呼ばれる HOI を検出するための新しいフレームワークを構築した。
私たちのフレームワークはエンドツーエンドのトレーニングが可能で、人間のポーズのような高価なアノテーションはありません。
論文 参考訳（メタデータ） (2020-07-14T09:29:03Z) - Iterative Context-Aware Graph Inference for Visual Dialog [126.016187323249]
本稿では,新しいコンテキスト認識グラフ(CAG)ニューラルネットワークを提案する。
グラフの各ノードは、オブジェクトベース(視覚)と履歴関連(テキスト)コンテキスト表現の両方を含む、共同意味機能に対応している。
論文 参考訳（メタデータ） (2020-04-05T13:09:37Z)
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。