論文の概要: Improving (Dis)agreement Detection with Inductive Social Relation Information From Comment-Reply Interactions

• arxiv url: http://arxiv.org/abs/2302.03950v1
• Date: Wed, 8 Feb 2023 09:09:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-09 16:58:01.739996
• Title: Improving (Dis)agreement Detection with Inductive Social Relation Information From Comment-Reply Interactions
• Title（参考訳）: コメント-返信インタラクションによる帰納的社会関係情報による認識検出の改善
• Authors: Yun Luo and Zihan Liu and Stan Z. Li and Yue Zhang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 49.305189190372765
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: (Dis)agreement detection aims to identify the authors' attitudes or positions (\textit{{agree, disagree, neutral}}) towards a specific text. It is limited for existing methods merely using textual information for identifying (dis)agreements, especially for cross-domain settings. Social relation information can play an assistant role in the (dis)agreement task besides textual information. We propose a novel method to extract such relation information from (dis)agreement data into an inductive social relation graph, merely using the comment-reply pairs without any additional platform-specific information. The inductive social relation globally considers the historical discussion and the relation between authors. Textual information based on a pre-trained language model and social relation information encoded by pre-trained RGCN are jointly considered for (dis)agreement detection. Experimental results show that our model achieves state-of-the-art performance for both the in-domain and cross-domain tasks on the benchmark -- DEBAGREEMENT. We find social relations can boost the performance of the (dis)agreement detection model, especially for the long-token comment-reply pairs, demonstrating the effectiveness of the social relation graph. We also explore the effect of the knowledge graph embedding methods, the information fusing method, and the time interval in constructing the social relation graph, which shows the effectiveness of our model.
• Abstract（参考訳）: (Dis)認識検出は、特定のテキストに対する著者の態度や位置(\textit{agree, disagree, neutral}})を特定することを目的としている。 既存のメソッドでは、テキスト情報のみを使用して、特にドメイン横断の設定を識別する(dis)。 社会関係情報は、テキスト情報以外の(認識)タスクにおいて補助的な役割を果たす。 そこで本稿では,プラットフォーム固有の情報のないコメント-返信ペアを用いて,そのような関係情報を帰納的ソーシャル関係グラフに抽出する手法を提案する。 帰納的社会関係は、歴史的議論と著者間の関係を世界的に考慮している。 事前学習された言語モデルに基づくテキスト情報と、事前学習されたrpcnで符号化された社会関係情報とを併用して(dis)分断検出する。 実験の結果、ベンチマークにおけるドメイン内タスクとドメイン間タスクの両方 -- の最先端のパフォーマンスが達成できることが分かりました。 社会関係は,特に長期のコメント-返信ペアに対して,社会関係グラフの有効性を実証し,認識検出モデルの性能を高めることができる。 また,本モデルの有効性を示す社会関係グラフ構築における知識グラフ埋め込み法,情報融合法,時間間隔の影響についても検討した。

関連論文リスト

• Rule-Guided Joint Embedding Learning over Knowledge Graphs [6.831227021234669]
  本稿では,コンテキスト情報とリテラル情報の両方を実体と関係埋め込みに組み込んだ新しいモデルを提案する。 文脈情報については,信頼度と関連度を指標として重要度を評価する。 2つの確立されたベンチマークデータセットに対して、徹底的な実験を行い、モデル性能を検証する。
  論文  参考訳（メタデータ） (2023-12-01T19:58:31Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Learning Complete Topology-Aware Correlations Between Relations for Inductive Link Prediction [121.65152276851619]
  関係性間の意味的相関は本質的にエッジレベルとエンティティ非依存であることを示す。 本研究では,関係関係のトポロジ・アウェア・コレレーションをモデル化するための新しいサブグラフベース手法,TACOを提案する。 RCNのポテンシャルをさらに活用するために, 完全コモンニアインダストリアルサブグラフを提案する。
  論文  参考訳（メタデータ） (2023-09-20T08:11:58Z)
• 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)
• Learner to learner fuzzy profiles similarity using a hybrid interaction analysis grid [0.0]
  本研究は,半構造化同期通信ツールを用いて,学習者間の対話と協調の適切な環境を確立することを目的とする。 ファジィ論理を適用することで、人間の推論を形式化し、それを使う推論に非常に優れた柔軟性を与える。 教育データマイニング技術は,ErosとPCAを用いた類似性に基づくクラスタリングにより,学習者のプロファイルに対する行動のマッピングを最適化するために使用される。
  論文  参考訳（メタデータ） (2021-10-01T08:01:41Z)
• D-REX: Dialogue Relation Extraction with Explanations [65.3862263565638]
  この研究は、部分的にラベル付けされたデータのみを使用しながら関係が存在することを示す説明を抽出することに焦点を当てている。 本稿では,政策誘導型半教師付きアルゴリズムD-REXを提案する。 約90%の人は、強いBERTに基づく関節関係抽出と説明モデルよりもD-REXの説明を好んでいる。
  論文  参考訳（メタデータ） (2021-09-10T22:30:48Z)
• 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)
• Graph-Based Social Relation Reasoning [101.9402771161935]
  社会関係認識のためのグラフ関係推論ネットワーク(GR2N)を提案する。 本手法は,社会関係グラフの構築による連関関係推定のパラダイムを考察する。 実験結果から,本手法は合理的で一貫した社会関係グラフを生成することが示された。
  論文  参考訳（メタデータ） (2020-07-15T03:01:11Z)

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。