論文の概要: Discovering collective narratives shifts in online discussions
- arxiv url: http://arxiv.org/abs/2307.08541v1
- Date: Mon, 17 Jul 2023 15:00:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 12:46:57.328332
- Title: Discovering collective narratives shifts in online discussions
- Title(参考訳): オンライン討論における物語の集団的変化の発見
- Authors: Wanying Zhao, Fiona Guo, Kristina Lerman, and Yong-Yeol Ahn
- Abstract要約: 本稿では,変化点検出,意味的役割ラベリング(SRL),物語の断片を物語ネットワークに自動集約することで,ギャップを埋める体系的な物語発見フレームワークを提案する。
我々は、新型コロナウイルスと2017年のフランス大統領選に関する2つのTwitterコーパスを合成および実証データで評価した。
以上の結果から,本手法は主要な出来事に対応する大きな物語シフトを回復できることが示された。
- 参考スコア(独自算出の注目度): 3.6231158294409482
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Narrative is a foundation of human cognition and decision making. Because
narratives play a crucial role in societal discourses and spread of
misinformation and because of the pervasive use of social media, the narrative
dynamics on social media can have profound societal impact. Yet, systematic and
computational understanding of online narratives faces critical challenge of
the scale and dynamics; how can we reliably and automatically extract
narratives from massive amount of texts? How do narratives emerge, spread, and
die? Here, we propose a systematic narrative discovery framework that fill this
gap by combining change point detection, semantic role labeling (SRL), and
automatic aggregation of narrative fragments into narrative networks. We
evaluate our model with synthetic and empirical data two-Twitter corpora about
COVID-19 and 2017 French Election. Results demonstrate that our approach can
recover major narrative shifts that correspond to the major events.
- Abstract(参考訳): 物語は人間の認知と意思決定の基盤である。
物語は、社会的な言説や誤報の拡散において重要な役割を担い、ソーシャルメディアの普及により、ソーシャルメディアにおける物語のダイナミクスは、大きな社会的影響をもたらす可能性がある。
しかし、オンライン物語の体系的および計算的理解は、スケールとダイナミクスの重要な課題に直面している。
物語はどのように現れ、広がり、そして死ぬのか?
本稿では,変化点検出,意味的役割ラベリング(SRL),物語の断片を物語ネットワークに自動集約することで,このギャップを埋める体系的な物語発見フレームワークを提案する。
私たちは、covid-19と2017年のフランス大統領選挙に関する2つのtwitterコーポラを合成および実証データで評価します。
以上の結果から,本手法は主要な出来事に対応する大きな物語シフトを回復できることが示された。
関連論文リスト
- Generating Visual Stories with Grounded and Coreferent Characters [63.07511918366848]
本稿では,一貫した接地的・中核的な特徴を持つ視覚的ストーリーを予測できる最初のモデルを提案する。
我々のモデルは、広く使われているVISTベンチマークの上に構築された新しいデータセットに基づいて微調整されています。
また、物語における文字の豊かさとコア参照を測定するための新しい評価指標を提案する。
論文 参考訳(メタデータ) (2024-09-20T14:56:33Z) - Mapping News Narratives Using LLMs and Narrative-Structured Text Embeddings [0.0]
構造主義言語理論に基づく数値的物語表現を導入する。
オープンソースLLMを用いてアクタントを抽出し,それをナラティブ構造化テキスト埋め込みに統合する。
本稿では,イスラエル・パレスチナ紛争に関するアル・ジャジーラとワシントン・ポストの新聞記事5000件を例に,本手法の分析的考察を紹介する。
論文 参考訳(メタデータ) (2024-09-10T14:15:30Z) - Are Large Language Models Capable of Generating Human-Level Narratives? [114.34140090869175]
本稿ではストーリーテリングにおけるLLMの能力について考察し,物語の展開とプロットの進行に着目した。
本稿では,3つの談話レベルの側面から物語を分析するための新しい計算フレームワークを提案する。
談話機能の明示的な統合は、ニューラルストーリーテリングの40%以上の改善によって示されるように、ストーリーテリングを促進することができることを示す。
論文 参考訳(メタデータ) (2024-07-18T08:02:49Z) - Online network topology shapes personal narratives and hashtag generation [6.563352124013039]
個人のネットワーク化されたグループは、政治、科学、道徳に関する集合的な議論の中心となる物語を直接貢献し、運営することができます。
本研究では,災害イベントのテキストベースの物語を参加者のネットワークで解釈し,近隣のネットワークと一致するハッシュタグを生成するためのインセンティブを得た,物語とハッシュタグ生成に関するオンラインネットワーク実験の結果を報告する。
論文 参考訳(メタデータ) (2024-05-30T20:10:26Z) - Narratives of Collective Action in YouTube's Discourse on Veganism [0.0]
我々は、自然言語処理を用いて、ヴィーガン運動に特有の道徳的物語の理論的枠組みを運用する。
分析の結果,理論によって定義された複数の物語型がデータ中に経験的に存在することが明らかとなった。
社会的戦いを主張するビデオ物語は、抗議や、他人を原因に転換しようとする努力によっても、それぞれのコメントの中でより強い集団行動の感覚に結びついている。
論文 参考訳(メタデータ) (2024-01-17T13:44:36Z) - FaNS: a Facet-based Narrative Similarity Metric [6.992767260794627]
本稿では,Facet-based Narrative similarity (FaNS)と呼ばれる新しい物語類似度指標を提案する。
FaNSは、最先端の大規模言語モデル(LLM)を活用して抽出される古典的な5W1Hファセット(Who, What, When, Where, Why, How)に基づいている。
論文 参考訳(メタデータ) (2023-09-09T15:29:24Z) - ViNTER: Image Narrative Generation with Emotion-Arc-Aware Transformer [59.05857591535986]
様々な感情を「感情弧」として表現する時系列に焦点をあてた画像物語を生成するモデルViNTERを提案する。
手動評価と自動評価の両方の実験結果を示す。
論文 参考訳(メタデータ) (2022-02-15T10:53:08Z) - Computational Lens on Cognition: Study Of Autobiographical Versus
Imagined Stories With Large-Scale Language Models [95.88620740809004]
GPT-3を用いた自伝的物語と想像的物語における出来事の物語の流れの相違について検討した。
想像された物語は自伝的物語よりも逐次性が高いことがわかった。
想像された物語と比較すると、自伝的な物語は、最初の人物に関連するより具体的な言葉と単語を含んでいる。
論文 参考訳(メタデータ) (2022-01-07T20:10:47Z) - Paragraph-level Commonsense Transformers with Recurrent Memory [77.4133779538797]
物語からコヒーレントなコモンセンス推論を生成するために,段落レベルの情報を含む談話認識モデルを訓練する。
以上の結果から,PARA-COMETは文レベルのベースライン,特にコヒーレントかつ新規な推論に優れていた。
論文 参考訳(メタデータ) (2020-10-04T05:24:12Z) - Exploring aspects of similarity between spoken personal narratives by
disentangling them into narrative clause types [13.350982138577038]
本稿では,594本の映像から10,296の物語節を含む実世界の音声物語のコーパスを紹介する。
第2に,非ナラティブな専門家に,ラボフの社会言語的個人的物語モデルの下で,これらの節に注釈を付けるよう依頼する。
第3に、最上位の節に対して84.7%のFスコアに達する分類器を訓練する。
我々のアプローチは、個人の物語を研究または表現することを目的とした機械学習の手法を情報提供することを目的としている。
論文 参考訳(メタデータ) (2020-05-26T14:34:07Z) - PlotMachines: Outline-Conditioned Generation with Dynamic Plot State
Tracking [128.76063992147016]
PlotMachinesは、動的プロット状態を追跡することによってアウトラインをコヒーレントなストーリーに変換することを学習する、ニューラルな物語モデルである。
さらに,PlotMachinesを高レベルな談話構造で強化し,モデルが物語の異なる部分に対応する筆記スタイルを学習できるようにした。
論文 参考訳(メタデータ) (2020-04-30T17:16:31Z)
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。