論文の概要: Word differences in news media of lower and higher peace countries
revealed by natural language processing and machine learning
- arxiv url: http://arxiv.org/abs/2305.12537v1
- Date: Sun, 21 May 2023 18:43:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-23 19:46:19.886030
- Title: Word differences in news media of lower and higher peace countries
revealed by natural language processing and machine learning
- Title（参考訳）: 自然言語処理と機械学習による平和国家のニュースメディアにおける単語の相違
- Authors: Larry S. Liebovitch (1 and 2), William Powers (1), Lin Shi (1),
Allegra Chen-Carrel (3), Philippe Loustaunau (4), Peter T. Coleman (2) ((1)
Queens College City University of New York, (2) Columbia University, (3)
University of San Francisco, (4) Vista Consulting)
- Abstract要約: 言語は、紛争や平和に繋がる社会プロセスの原因と結果の両方である。
この研究は、既存の平和指標、機械学習、およびオンラインニュースメディアソースを使用して、低平和国と高平和国に最も関連がある単語を識別した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Language is both a cause and a consequence of the social processes that lead
to conflict or peace. Hate speech can mobilize violence and destruction. What
are the characteristics of peace speech that reflect and support the social
processes that maintain peace? This study used existing peace indices, machine
learning, and on-line, news media sources to identify the words most associated
with lower-peace versus higher-peace countries. As each peace index measures
different social properties, there is little consensus on the numerical values
of these indices. There is however greater consensus with these indices for the
countries that are at the extremes of lower-peace and higher-peace. Therefore,
a data driven approach was used to find the words most important in
distinguishing lower-peace and higher-peace countries. Rather than assuming a
theoretical framework that predicts which words are more likely in lower-peace
and higher-peace countries, and then searching for those words in news media,
in this study, natural language processing and machine learning were used to
identify the words that most accurately classified a country as lower-peace or
higher-peace. Once the machine learning model was trained on the word
frequencies from the extreme lower-peace and higher-peace countries, that model
was also used to compute a quantitative peace index for these and other
intermediate-peace countries. The model successfully yielded a quantitative
peace index for intermediate-peace countries that was in between that of the
lower-peace and higher-peace, even though they were not in the training set.
This study demonstrates how natural language processing and machine learning
can help to generate new quantitative measures of social systems, which in this
study, were linguistic differences resulting in a quantitative index of peace
for countries at different levels of peacefulness.
- Abstract（参考訳）: 言語は、紛争や平和につながる社会的プロセスの原因と結果の両方である。
ヘイトスピーチは暴力と破壊を動員する。
平和を維持する社会プロセスを反映し、支援する平和演説の特徴は何ですか?
この研究は、既存の平和指標、機械学習、オンラインニュースメディアソースを用いて、低平和国と高平和国に最も関連がある単語を識別した。
各平和指数は異なる社会的特性を測定するため、これらの指標の数値についてはほとんど合意がない。
しかしながら、これらの指標は、低平和と高平和の極端にある国に対してより深い合意がある。
そのため、低平和国と高平和国を区別する上で最も重要な単語を見つけるために、データ駆動手法が用いられた。
本研究では,低平和国や高平和国においてどの語がより高いかを予測する理論的枠組みを仮定し,その単語をニュースメディアで検索する代わりに,自然言語処理と機械学習を用いて,国を低平和国や高平和国と正確に分類した単語を同定した。
機械学習モデルが極端低平和国と高平和国の単語周波数で訓練されると、このモデルはこれらの中平和諸国の定量的平和指数を計算するためにも使用された。
このモデルは、訓練セットにないにもかかわらず、低平和と高平和の間にある中間平和国に対して、定量的な平和指数を達成できた。
本研究は、自然言語処理と機械学習が社会システムの新しい定量的尺度を生み出すのにどのように役立つかを実証するものである。
関連論文リスト
- Words that Represent Peace [0.0]
我々は、より高い平和ニュースは、財政、日々の行動、健康のテーマによって特徴づけられ、低い平和ニュースは、政治、政府、法的問題のテーマによって特徴づけられることを発見した。
この研究は、平和のレベルを測り、それらの言葉の下にある社会的過程を特定するための出発点を提供する。
論文 参考訳（メタデータ） (2024-10-02T14:23:48Z) - Machine Learning Classification of Peaceful Countries: A Comparative Analysis and Dataset Optimization [0.0]
本稿では,グローバルメディア記事から抽出した言語パターンを用いて,各国を平和的・非平和的に分類する機械学習手法を提案する。
我々は,平和な国を効果的に識別する教師付き分類モデルを開発するために,ベクトル埋め込みとコサイン類似性を用いている。
論文 参考訳（メタデータ） (2024-10-01T19:28:03Z) - Exploring Automated Keyword Mnemonics Generation with Large Language Models via Overgenerate-and-Rank [4.383205675898942]
キーワード・ムネモニクス(英: Keywords mnemonics)は、単語を単語のキューを通じて記憶可能な関連性を通じて記憶する技法である。
そこで本稿では,大規模言語モデルに言語的手がかりを生成させる手法として,新しいオーバージェネレーション・アンド・ランク法を提案する。
以上の結果から, LLM生成のメネモニクスは, 画像性, コヒーレンス, 知覚的有用性の観点から, 人間生成のミネモニクスに匹敵するものであることが示唆された。
論文 参考訳（メタデータ） (2024-09-21T00:00:18Z) - Classist Tools: Social Class Correlates with Performance in NLP [27.683676116781758]
社会デマトグラフィーの特徴は、自然言語処理において頻繁に使用される。
また,NLP の社会経済グループに対する不利は低いことが示唆された。
我々は、将来の言語技術に社会経済のクラスを取り入れることについて議論する。
論文 参考訳（メタデータ） (2024-03-07T12:27:08Z) - RankCSE: Unsupervised Sentence Representations Learning via Learning to
Rank [54.854714257687334]
本稿では,教師なし文表現学習のための新しい手法であるRangCSEを提案する。
コントラスト学習を伴うランキング一貫性とランキング蒸留を統一された枠組みに組み込む。
セマンティックテキスト類似性(STS)と転送タスク(TR)の両方について、広範な実験が実施されている。
論文 参考訳（メタデータ） (2023-05-26T08:27:07Z) - Neighboring Words Affect Human Interpretation of Saliency Explanations [65.29015910991261]
単語レベルのサリエンシの説明は、しばしばテキストベースのモデルで特徴属性を伝えるために使われる。
近年の研究では、単語の長さなどの表面的要因が、コミュニケーションされたサリエンシスコアの人間の解釈を歪めてしまうことが報告されている。
本研究では,単語の近傍にある単語のマーキングが,その単語の重要性に対する説明者の認識にどのように影響するかを検討する。
論文 参考訳（メタデータ） (2023-05-04T09:50:25Z) - The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。
ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
論文 参考訳（メタデータ） (2023-04-19T18:32:49Z) - Information-Restricted Neural Language Models Reveal Different Brain
Regions' Sensitivity to Semantics, Syntax and Context [87.31930367845125]
テキストコーパスを用いて語彙言語モデルGloveと超語彙言語モデルGPT-2を訓練した。
そして、これらの情報制限されたモデルが、自然主義的テキストを聴く人間のfMRI信号の時間軸を予測することができるかを評価した。
分析の結果、言語に関わるほとんどの脳領域は、構文変数と意味変数の両方に敏感であるが、これらの影響の相対的な大きさは、これらの領域で大きく異なることがわかった。
論文 参考訳（メタデータ） (2023-02-28T08:16:18Z) - Understanding peacefulness through the world news [1.6975704972827304]
我々は,GDELT(Global Data on Events, Location, and Tone)デジタルニュースデータベースから抽出した情報を利用して,GPI(Global Peace Index)を通して平和性を捉える。
予測機械学習モデルを用いることで,GDELTからのニュースメディアの注目度を,GPIを月次レベルで測定するためのプロキシとして利用できることを示す。
論文 参考訳（メタデータ） (2021-06-01T08:24:57Z) - Seeking the Shape of Sound: An Adaptive Framework for Learning
Voice-Face Association [94.7030305679589]
上記の課題を共同で解決するための新しい枠組みを提案します。
我々はモダリティアライメントプロセスにグローバル損失を導入する。
提案メソッドは、複数の設定で以前の方法よりも優れています。
論文 参考訳（メタデータ） (2021-03-12T14:10:48Z) - My Teacher Thinks The World Is Flat! Interpreting Automatic Essay
Scoring Mechanism [71.34160809068996]
最近の研究では、自動スコアリングシステムが常識的な敵対的サンプルになりやすいことが示されています。
近年の解釈能力の進歩を活かし,コヒーレンスやコンテント,関連性といった特徴がスコアリングの自動化にどの程度重要であるかを見出す。
また、モデルが意味的に世界知識や常識に基づかないことから、世界のような虚偽の事実を追加することは、それを減らすよりもむしろスコアを増加させる。
論文 参考訳（メタデータ） (2020-12-27T06:19:20Z)
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。