論文の概要: UniPoll: A Unified Social Media Poll Generation Framework via
Multi-Objective Optimization
- arxiv url: http://arxiv.org/abs/2306.06851v1
- Date: Mon, 12 Jun 2023 03:54:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 16:06:57.157233
- Title: UniPoll: A Unified Social Media Poll Generation Framework via
Multi-Objective Optimization
- Title（参考訳）: UniPoll:多目的最適化による統一ソーシャルメディアポーラ生成フレームワーク
- Authors: Yixia Li, Rong Xiang, Yanlin Song, Jing Li
- Abstract要約: 本稿では,最先端の自然言語生成技術を活用したソーシャルメディア投稿からの投票自動生成について検討する。
我々はUniPollと呼ばれる新しい統一的な世論調査フレームワークを提案する。
コンテクスト(ポストとコメント)とポーリング(クエストと回答)の接続探索を強化するために、多目的最適化による即時チューニングを採用している。
- 参考スコア（独自算出の注目度）: 2.9282273207233693
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social media platforms are essential outlets for expressing opinions,
providing a valuable resource for capturing public viewpoints via text
analytics. However, for many users, passive browsing is their preferred mode of
interaction, leading to their perspectives being overlooked by text analytics
methods. Meanwhile, social media polls have emerged as a practical feature for
gathering public opinions, allowing post authors to pose questions with
pre-defined answer options for readers to vote on. To broaden the benefits of
polls for posts without them, this article explores the automatic generation of
a poll from a social media post by leveraging cutting-edge natural language
generation (NLG) techniques. However, existing NLG techniques, primarily
developed for general-domain texts, may be ineffective when applied to noisy
social media data, which often feature implicit context-question-answer
relations. To tackle these challenges, we enrich a post context with its
comments and propose a novel unified poll generation framework called UniPoll.
It employs prompt tuning with multi-objective optimization to bolster the
connection exploration between contexts (posts and comments) and polls
(questions and answers). Experimental comparisons on a large-scale Chinese
Weibo dataset show that UniPoll significantly outperforms T5, the
state-of-the-art NLG model, which generates question and answer separately.
Comprehensive qualitative and quantitative analyses further underscore the
superiority of UniPoll through various evaluation lenses.
- Abstract（参考訳）: ソーシャルメディアプラットフォームは意見を表現するための重要な手段であり、テキスト分析を通じて公共の視点を捉えるための貴重なリソースを提供する。
しかし、多くのユーザにとって、受動的ブラウジングは望ましいインタラクションモードであり、テキスト分析手法によって見落とされてしまう。
一方、ソーシャルメディアの世論調査は世論を集めるための実用的な機能として現れており、投稿者が事前に決められた回答オプションで質問をすることができる。
そこで本稿では,ソーシャルメディア投稿からポーリングの自動生成について,最先端自然言語生成(NLG)技術を活用して検討する。
しかし、既存のnlg技術は、主に一般ドメインのテキスト向けに開発されたが、ノイズの多いソーシャルメディアデータに適用すると効果がない可能性がある。
これらの課題に取り組むために、コメントでポストコンテキストを強化し、unipollと呼ばれる新しい統一ポーリング生成フレームワークを提案する。
プロンプトチューニングと多目的最適化を採用し、コンテキスト(投稿とコメント)とポーリング(質問と回答)の間の接続探索を強化している。
大規模な中国のWeiboデータセットの実験的比較では、UniPollは、質問と回答を別々に生成する最先端のNLGモデルであるT5を著しく上回っている。
総合的質的および定量的分析は、様々な評価レンズによるUniPollの優位性をさらに強調する。
関連論文リスト
- Personalized Topic Selection Model for Topic-Grounded Dialogue [24.74527189182273]
現在のモデルは、ユーザに興味がなく、文脈的に無関係なトピックを予測する傾向があります。
我々はtextbfTopic-grounded textbfDialogue のための textbfPersonalized topic stextbfElection model を提案する。
提案手法は,多種多様な応答を生成でき,最先端のベースラインを達成できる。
論文 参考訳（メタデータ） (2024-06-04T06:09:49Z) - Key-phrase boosted unsupervised summary generation for FinTech
organization [4.583461218488076]
意図検出、感情分類、テキスト要約などのNLP応用は、FinTech組織がソーシャルメディア言語データを利用するのに役立つ。
我々は「Action-Object」ペア(意図的フレーズ)を用いて、ソーシャルメディアデータから教師なし句に基づく要約生成を設計する。
提案手法は,様々なRedditディスカッションスレッドのコンテキスト情報に対して,他のキーフレーズに基づく要約生成手法を用いて評価する。
論文 参考訳（メタデータ） (2023-10-16T11:30:47Z) - Cue-CoT: Chain-of-thought Prompting for Responding to In-depth Dialogue
Questions with LLMs [59.74002011562726]
我々は、よりパーソナライズされ魅力的な応答を提供するために、新しい言語的キューに基づく思考の連鎖(textitCue-CoT)を提案する。
中国語と英語の6つのデータセットからなる詳細な対話質問を用いたベンチマークを構築した。
実験により,提案手法は,すべてのデータセットにおいて,テクステルパーフルネスとテクスチタアクセプタビリティの両方の観点から,標準的プロンプト法よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-05-19T16:27:43Z) - Curating corpora with classifiers: A case study of clean energy
sentiment online [0.0]
ソーシャルメディア投稿の大規模なコーパスには、幅広い世論が含まれている。
世論調査は、数日や数週間で実施し、世論を下ろすのに費用がかかる。
本稿では,解析用文書の最適コーパスを迅速に選択する手法を提案する。
論文 参考訳（メタデータ） (2023-05-04T18:15:45Z) - Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。
提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
論文 参考訳（メタデータ） (2022-09-08T09:13:07Z) - Revise and Resubmit: An Intertextual Model of Text-based Collaboration
in Peer Review [52.359007622096684]
ピアレビューは、ほとんどの科学分野における出版プロセスの重要な要素である。
既存のNLP研究は個々のテキストの分析に重点を置いている。
編集補助は、しばしばテキストのペア間の相互作用をモデル化する必要がある。
論文 参考訳（メタデータ） (2022-04-22T16:39:38Z) - Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。
同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。
我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
論文 参考訳（メタデータ） (2021-06-15T20:55:55Z) - ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive
Summarization with Argument Mining [61.82562838486632]
我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。
我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
論文 参考訳（メタデータ） (2021-06-01T22:17:13Z) - A survey on extremism analysis using Natural Language Processing [7.885207996427683]
本調査は, 極端主義研究分野へのNLPの貢献を概観することを目的としている。
コンテンツには、頻繁に使用されるNLPテクニック、適用方法、提供された洞察の説明と比較が含まれている。
今後の動向や課題,これらのハイライトから導かれる方向性が示唆される。
論文 参考訳（メタデータ） (2021-03-28T11:05:43Z) - BOLD: Dataset and Metrics for Measuring Biases in Open-Ended Language
Generation [42.34923623457615]
Open-Ended Language Generationデータセットのバイアスは23,679の英語テキスト生成プロンプトで構成されている。
3つの人気のある言語モデルから生成されたテキストを調べると、これらのモデルの大半は、人によるウィキペディアのテキストよりも大きな社会的バイアスを示すことが明らかになっている。
論文 参考訳（メタデータ） (2021-01-27T22:07:03Z) - Weakly-Supervised Aspect-Based Sentiment Analysis via Joint
Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。
We learn sentiment, aspects> joint topic embeddeds in the word embedding space。
次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文 参考訳（メタデータ） (2020-10-13T21:33:24Z)
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。