論文の概要: Personalized Prediction of Offensive News Comments by Considering the
Characteristics of Commenters
- arxiv url: http://arxiv.org/abs/2212.13205v1
- Date: Mon, 26 Dec 2022 16:19:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 14:25:04.337635
- Title: Personalized Prediction of Offensive News Comments by Considering the
Characteristics of Commenters
- Title(参考訳): コメント者特性を考慮した攻撃的ニュースコメントのパーソナライズ予測
- Authors: Teruki Nakahara and Taketoshi Ushiama
- Abstract要約: 本研究の目的は、このような攻撃的なコメントを予測し、コメントを読みながら読者の体験の質を向上させることである。
提案手法は,読者の価値観の多様性を考慮し,過去に「悪質」と評価された少数のニュースコメントからのフィードバックに基づいて,各読者に対する攻撃的なニュースコメントを予測する。
提案手法の実験結果から,予測に使用する読者のフィードバックデータが限られている場合でも,予測がパーソナライズ可能であることが示された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When reading news articles on social networking services and news sites,
readers can view comments marked by other people on these articles. By reading
these comments, a reader can understand the public opinion about the news, and
it is often helpful to grasp the overall picture of the news. However, these
comments often contain offensive language that readers do not prefer to read.
This study aims to predict such offensive comments to improve the quality of
the experience of the reader while reading comments. By considering the
diversity of the readers' values, the proposed method predicts offensive news
comments for each reader based on the feedback from a small number of news
comments that the reader rated as "offensive" in the past. In addition, we used
a machine learning model that considers the characteristics of the commenters
to make predictions, independent of the words and topics in news comments. The
experimental results of the proposed method show that prediction can be
personalized even when the amount of readers' feedback data used in the
prediction is limited. In particular, the proposed method, which considers the
commenters' characteristics, has a low probability of false detection of
offensive comments.
- Abstract(参考訳): ソーシャルネットワークサービスやニュースサイトでニュース記事を読むと、読者はこれらの記事に他の人がマークしたコメントを見ることができる。
これらのコメントを読むことで、読者はニュースに関する世論を理解することができ、ニュースの全体像を理解するのに役立つことが多い。
しかし、これらのコメントは読者が読むのが好まない攻撃的な言語を含んでいることが多い。
本研究は,このような不快なコメントを予測し,コメントを読みながら読者体験の質を向上させることを目的としている。
提案手法は,読者の価値観の多様性を考慮して,読者が過去に「攻撃的」と評した少数のニュースコメントからのフィードバックに基づいて,各読者に対する攻撃的ニュースコメントを予測する。
さらに,ニュースコメントにおける単語や話題に依存しない予測を行うために,コメンタの特性を考慮した機械学習モデルを用いた。
提案手法の実験結果から,予測に使用する読者のフィードバックデータが限られている場合でも,予測がパーソナライズ可能であることが示された。
特に,提案手法はコメント者の特性を考慮したものであり,攻撃的コメントを誤検出する確率は低い。
関連論文リスト
- The News Comment Gap and Algorithmic Agenda Setting in Online Forums [0.0]
我々はオーストリアの新聞Der Standardから120万件のコメントを分析し、"News Comment Gap"と異なるランキングアルゴリズムの効果を理解する。
ジャーナリストはポジティブで、タイムリーで、複雑で、直感的な反応を好むのに対し、読者は、エリート作家の記事に類似したコメントを好む。
論文 参考訳(メタデータ) (2024-08-13T17:43:32Z) - Let Silence Speak: Enhancing Fake News Detection with Generated Comments from Large Language Models [17.612043837566134]
コメントはユーザーの意見、姿勢、感情を反映し、モデルは偽ニュースに対する理解を深める可能性がある。
露出バイアスと利用者のコメント意欲が異なるため、現実には多様なコメントを得るのは容易ではない。
我々は,多様なユーザプロファイルを持つLLMに対して,コメントを生成するフィードバック強化検出フレームワークGenFENDを提案する。
論文 参考訳(メタデータ) (2024-05-26T17:09:23Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。
新たに登場したAI生成の文献レビューも評価されている。
この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
論文 参考訳(メタデータ) (2024-02-20T11:28:50Z) - You talk what you read: Understanding News Comment Behavior by
Dispositional and Situational Attribution [20.279995723061568]
ニュースコメントの生成過程をモデル化するための3部エンコーダ・デコーダフレームワークを提案する。
結果として生じる処分的・状況的帰属は、ユーザの焦点や意見を理解するのに寄与する。
論文 参考訳(メタデータ) (2023-08-04T07:10:15Z) - Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。
提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。
これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文 参考訳(メタデータ) (2023-05-25T21:01:00Z) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳(メタデータ) (2023-01-14T18:58:42Z) - NewsEdits: A News Article Revision Dataset and a Document-Level
Reasoning Challenge [122.37011526554403]
NewsEditsは、最初に公開されたニュースリビジョン履歴のデータセットである。
120万記事と、22以上の英語とフランス語の新聞ソースから460万バージョンを収録している。
論文 参考訳(メタデータ) (2022-06-14T18:47:13Z) - Newsalyze: Effective Communication of Person-Targeting Biases in News
Articles [8.586057042714698]
本稿では,自然言語理解の最先端手法を組み合わせたバイアス識別システムを提案する。
第2に,非専門家のニュース消費者にニュース記事のバイアスを伝えるために,バイアスに敏感な可視化を考案する。
第3に、私たちの主な貢献は、日々のニュース消費を近似した設定においてバイアス認識を測定する大規模なユーザスタディです。
論文 参考訳(メタデータ) (2021-10-18T10:23:19Z) - Generating Diversified Comments via Reader-Aware Topic Modeling and
Saliency Detection [25.16392119801612]
生成したコメントの質を高めるために,読者が認識するトピックモデリングとサリエンシー情報検出フレームワークを提案する。
読者対応トピックモデリングのために,読者コメントからの潜在意味学習と話題マイニングのための変分生成クラスタリングアルゴリズムを設計した。
サリエンシー情報検出のために、ニュースコンテンツを推定してサリエンシー情報を選択するBernoulli分布について紹介します。
論文 参考訳(メタデータ) (2021-02-13T03:50:31Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳(メタデータ) (2020-10-20T19:37:04Z) - Viable Threat on News Reading: Generating Biased News Using Natural
Language Models [49.90665530780664]
公開されている言語モデルは、入力されたオリジナルニュースに基づいてバイアスのあるニュースコンテンツを確実に生成できることを示す。
また、制御可能なテキスト生成を用いて、多数の高品質な偏りのあるニュース記事を生成することができることを示す。
論文 参考訳(メタデータ) (2020-10-05T16:55:39Z)
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。