論文の概要: Measuring Stereotypes using Entity-Centric Data
- arxiv url: http://arxiv.org/abs/2305.09548v1
- Date: Tue, 16 May 2023 15:45:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 14:09:20.101297
- Title: Measuring Stereotypes using Entity-Centric Data
- Title(参考訳): エンティティ中心データを用いたステレオタイプの測定
- Authors: Navid Madani, Rabiraj Bandyopadhyay, Michael Miller Yoder and Kenneth
Joseph
- Abstract要約: 本稿は,Twitter と Wikipedia のバイオグラフィーからステレオタイプを学習するための3つの新しいエンティティ中心の手法を提案し,評価する。
モデルは、複数のフレーズが同一人物に適用されているという事実を活用して、学習された協会の人中心の性質を拡大することによって訓練される。
これらのモデルは,1)個人や他者に適用するアイデンティティを予測し,2)健全な社会次元のステレオタイプを定量化するなど,既存のステレオタイプ測定手法よりも優れていることを示す。
- 参考スコア(独自算出の注目度): 13.545748376337393
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stereotypes inform how we present ourselves and others, and in turn how we
behave. They are thus important to measure. Recent work has used projections of
embeddings from Distributional Semantic Models (DSMs), such as BERT, to perform
these measurements. However, DSMs capture cognitive associations that are not
necessarily relevant to the interpersonal nature of stereotyping. Here, we
propose and evaluate three novel, entity-centric methods for learning
stereotypes from Twitter and Wikipedia biographies. Models are trained by
leveraging the fact that multiple phrases are applied to the same person,
magnifying the person-centric nature of the learned associations. We show that
these models outperform existing approaches to stereotype measurement with
respect to 1) predicting which identities people apply to themselves and
others, and 2) quantifying stereotypes on salient social dimensions (e.g.
gender). Via a case study, we also show the utility of these models for future
questions in computational social science.
- Abstract(参考訳): ステレオタイプは、私たち自身や他の人がどのように振る舞うかを知らせます。
したがって、測定は重要である。
近年の研究では, BERT などの分布意味モデル (DSM) からの埋め込みの予測を用いて測定を行った。
しかし、DSMはステレオタイピングの対人関係に必ずしも関係しない認知的関連を捉えている。
本稿では,TwitterとWikipediaからステレオタイプを学習するための3つの新しいエンティティ中心の手法を提案し,評価する。
モデルは、複数のフレーズが同じ人に適用されているという事実を利用して訓練され、学習された関係の人中心の性質を拡大する。
これらのモデルが既存のステレオタイプ計測手法を上回っていることを示す。
1)自他に対してどのような同一性が適用されるかを予測すること、及び
2)健全な社会的次元(性別など)のステレオタイプを定量化する。
ケーススタディとして,計算社会科学における今後の課題に対するこれらのモデルの有用性を示す。
関連論文リスト
- Social Reward: Evaluating and Enhancing Generative AI through
Million-User Feedback from an Online Creative Community [63.949893724058846]
コミュニティ認識の一形態としての社会的報酬は、オンラインプラットフォームのユーザーがコンテンツに関わり、貢献する動機の強い源泉となる。
この作業はパラダイムシフトの先駆者であり、革新的な報酬モデリングフレームワークであるSocial Rewardを発表した。
私たちは、オンラインビジュアル作成と編集プラットフォームであるPicsartから、データセットのキュレーションと洗練の広範な旅に乗り出した。
論文 参考訳(メタデータ) (2024-02-15T10:56:31Z) - 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) - User Identity Linkage in Social Media Using Linguistic and Social
Interaction Features [11.781485566149994]
ユーザーIDのリンクは、ソーシャルメディアアカウントが同一の自然人に属する可能性があることを明らかにすることを目的としている。
本研究は,ユーザのオンライン活動の複数の属性を利用する機械学習に基づく検出モデルを提案する。
モデルの有効性は、乱用とテロ関連のTwitterコンテンツに関する2つのケースで実証されている。
論文 参考訳(メタデータ) (2023-08-22T15:10:38Z) - Social World Knowledge: Modeling and Applications [2.9417848476446364]
社会世界の知識は、人間や機械による効果的なコミュニケーションと情報処理の重要な要素である。
ソーシャルネットワークで発生する社会的文脈から低次元の実体埋め込みを抽出するフレームワークであるSocialVecを紹介する。
テキストセマンティクスを含む作業を容易にする単語埋め込みと同様に、学習されたソーシャルエンティティ埋め込みは、複数のソーシャルフレーバーのタスクに利益をもたらすことを期待する。
論文 参考訳(メタデータ) (2023-06-28T15:25:30Z) - Self-supervised Hypergraph Representation Learning for Sociological
Analysis [52.514283292498405]
本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。
まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。
第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2022-12-22T01:20:29Z) - Identifying and Characterizing Active Citizens who Refute Misinformation
in Social Media [25.986531330843434]
ソーシャルメディアプラットフォーム(TwitterやWeiboなど)と言語(英語や中国語など)にまたがるタスクを初めて研究する。
我々は2つのカテゴリのうちの1つにマップされたWeiboユーザーの新しいデータセット(誤情報ポスターやアクティブな市民など)を開発し、公開する。
本稿では,2つのユーザカテゴリ間の言語使用の差異を広範囲に分析する。
論文 参考訳(メタデータ) (2022-04-21T13:22:48Z) - SocialVec: Social Entity Embeddings [1.4010916616909745]
本稿では,ソーシャルワールドの知識をソーシャルネットワークから引き出すためのフレームワークであるSocialVecを紹介する。
Twitterネットワークのサンプルから、約20万の人気のアカウントのソーシャル埋め込みを学びました。
われわれはSocialVecの埋め込みを利用して、Twitterのニュースソースの政治的偏見を誇示している。
論文 参考訳(メタデータ) (2021-11-05T14:13:01Z) - Social media emotion macroscopes reflect emotional experiences in
society at large [0.12656629989060433]
ソーシャルメディアは、大規模かつ長期間にわたって人間の行動に関するデータを生成する。
近年の研究では、ソーシャルメディアの感情と個人レベルでの質問票の相関が弱いことが示されている。
社会全体のレベルでの感情の時間的進化を追跡するために、ソーシャルメディアの感情マクロスコープの有効性を検証した研究はない。
論文 参考訳(メタデータ) (2021-07-28T09:40:42Z) - Can You be More Social? Injecting Politeness and Positivity into
Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。
このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。
人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文 参考訳(メタデータ) (2020-12-29T08:22:48Z) - 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) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳(メタデータ) (2020-04-20T20:00:27Z)
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。