論文の概要: Understanding Political Polarisation using Language Models: A dataset and method

• arxiv url: http://arxiv.org/abs/2301.00891v1
• Date: Mon, 2 Jan 2023 22:15:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 14:31:59.923768
• Title: Understanding Political Polarisation using Language Models: A dataset and method
• Title（参考訳）: 言語モデルを用いた政治分極の理解:データセットと方法
• Authors: Samiran Gode, Supreeth Bare, Bhiksha Raj, Hyungon Yoo
• Abstract要約: 本稿では,言語モデルを用いた米国の政治システムにおける政治的分極の分析を目的とする。 主なコントリビューションは、過去120年間に渡りWikipediaから抽出されたデータセットです。
• 参考スコア（独自算出の注目度）: 18.40891764492186
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Our paper aims to analyze political polarization in US political system using Language Models, and thereby help candidates make an informed decision. The availability of this information will help voters understand their candidates views on the economy, healthcare, education and other social issues. Our main contributions are a dataset extracted from Wikipedia that spans the past 120 years and a Language model based method that helps analyze how polarized a candidate is. Our data is divided into 2 parts, background information and political information about a candidate, since our hypothesis is that the political views of a candidate should be based on reason and be independent of factors such as birthplace, alma mater, etc. We further split this data into 4 phases chronologically, to help understand if and how the polarization amongst candidates changes. This data has been cleaned to remove biases. To understand the polarization we begin by showing results from some classical language models in Word2Vec and Doc2Vec. And then use more powerful techniques like the Longformer, a transformer based encoder, to assimilate more information and find the nearest neighbors of each candidate based on their political view and their background.
• Abstract（参考訳）: 本稿は,米国の政治システムにおける政治的分極を言語モデルを用いて分析することを目的とした。 この情報の提供により、有権者は経済、医療、教育、その他の社会問題に関する候補者の見解を理解することができる。 主なコントリビューションは、過去120年にわたってWikipediaから抽出されたデータセットと、候補者の偏極度を分析するのに役立つ言語モデルに基づく手法です。 私たちのデータは、候補者の政治的見解は理性に基づいており、出生地や母校などの要因とは無関係である、という仮説から、背景情報と候補者に関する政治的情報という2つの部分に分けられる。 さらに、これらのデータを時系列的に4つのフェーズに分割し、候補間の偏極がどう変化するかを理解するのに役立つ。 このデータはバイアスを取り除くためにクリーン化されている。 偏極を理解するために、Word2VecとDoc2Vecの古典的な言語モデルの結果を示すことから始めます。 そして、トランスフォーマーベースのエンコーダであるLongformerのような強力な技術を使って、より多くの情報を同化し、それぞれの候補者の政治的見解と背景に基づいて、最も近い隣人を見つける。

関連論文リスト

• Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
  本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。 GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
  論文  参考訳（メタデータ） (2024-07-16T05:52:26Z)
• L(u)PIN: LLM-based Political Ideology Nowcasting [1.124958340749622]
  LLMの潜在的知識を活用することで,各議員のイデオロギー的立場を分析する手法を提案する。 この方法により、選択の軸として政治家のスタンスを評価することができ、選択の話題・論争に関して政治家のスタンスを柔軟に測定することができる。
  論文  参考訳（メタデータ） (2024-05-12T16:14:07Z)
• Whose Side Are You On? Investigating the Political Stance of Large Language Models [56.883423489203786]
  大規模言語モデル(LLM)の政治的指向性について,8つのトピックのスペクトルにわたって検討する。 我々の調査は、中絶からLGBTQ問題まで8つのトピックにまたがるLLMの政治的整合性について考察している。 この結果から,ユーザはクエリ作成時に留意すべきであり,中立的なプロンプト言語を選択する際には注意が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-15T04:02:24Z)
• Mapping Election Polarization and Competitiveness using Election Results [0.18641315013048293]
  投票パターンは、選挙当日に市民分裂の効果的なプロキシをマッピングする可能性があると論じる。 本稿では,選挙分極(EP)と選挙競争(EC)の2つの相補的概念を考察する。 本稿では, 選挙データのみに頼って, ユーロ圏, 北米, ラテンアメリカ, ニュージーランドの13カ国にまたがる人工的および実世界の選挙データを用いて, 選挙データを検証する手法を提案する。
  論文  参考訳（メタデータ） (2023-08-16T18:06:00Z)
• Detecting Political Biases of Named Entities and Hashtags on Twitter [28.02430167720734]
  米国のイデオロギー部門は、日々のコミュニケーションにおいてますます顕著になっている。 テキストコーパス内の政治的バイアスを検出することで、そのテキストの極性を記述し、識別しようとすることができる。 極性を考慮したマルチタスク学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-09-16T18:00:13Z)
• Millions of Co-purchases and Reviews Reveal the Spread of Polarization and Lifestyle Politics across Online Markets [68.8204255655161]
  多様な市場において,異なる製品セグメントにおける分極とライフスタイル政治の広範性について検討する。 政治的に関連性があり、整列し、偏極化した製品カテゴリーを見つけるために、218万の市場組織間で236万の関連をサンプリングした。 文化製品は他のどの部分よりも4倍偏光度が高い。
  論文  参考訳（メタデータ） (2022-01-17T18:16:37Z)
• Shifting Polarization and Twitter News Influencers between two U.S. Presidential Elections [92.33485580547801]
  我々は2016年米大統領選挙と2020年米大統領選挙の間の分極の変化を分析した。 トップインフルエンサーのほとんどが、両選挙の間にメディア組織に所属していた。 2020年のトップインフルエンサーの75%は2016年は存在しなかった。
  論文  参考訳（メタデータ） (2021-11-03T20:08:54Z)
• Reaching the bubble may not be enough: news media role in online political polarization [58.720142291102135]
  分極を減らす方法は、異なる政治的指向を持つ個人に党間のニュースを分配することである。 本研究は、ブラジルとカナダにおける全国選挙の文脈において、これが成立するかどうかを考察する。
  論文  参考訳（メタデータ） (2021-09-18T11:34:04Z)
• Exploring Polarization of Users Behavior on Twitter During the 2019 South American Protests [15.065938163384235]
  われわれは、2019年に南アメリカのいくつかの国を麻痺させた抗議活動について、異なる文脈でTwitter上で偏極を探っている。 政治家のツイートやハッシュタグキャンペーンに対するユーザの支持を(反対かにかかわらず)抗議に対する明確なスタンスで活用することにより、何百万人ものユーザーによる弱いラベル付きスタンスデータセットを構築します。 イベント中の「フィルターバブル」現象の実証的証拠は、ユーザベースがスタンスの観点から均質であるだけでなく、異なるクラスタのメディアからユーザが移行する確率も低いことを示すものである。
  論文  参考訳（メタデータ） (2021-04-05T07:13:18Z)
• Political Posters Identification with Appearance-Text Fusion [49.55696202606098]
  外観特徴とテキストベクトルを効率的に活用し, 政治ポスターを高精度に分類する手法を提案する。 この作品の大半は、特定の政治イベントのプロモーションとして機能するように設計された政治ポスターに焦点を当てている。
  論文  参考訳（メタデータ） (2020-12-19T16:14:51Z)

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。