論文の概要: ReZG: Retrieval-Augmented Zero-Shot Counter Narrative Generation for Hate Speech

• arxiv url: http://arxiv.org/abs/2310.05650v2
• Date: Sat, 28 Dec 2024 11:50:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-31 16:01:35.480243
• Title: ReZG: Retrieval-Augmented Zero-Shot Counter Narrative Generation for Hate Speech
• Title（参考訳）: ReZG: ヘイトスピーチのための検索型ゼロショットカウンタナラティブ生成
• Authors: Shuyu Jiang, Wenyi Tang, Xingshu Chen, Rui Tang, Haizhou Wang, Wenxian Wang,
• Abstract要約: ソーシャルメディア上でのヘイトスピーチ(HS)は、社会保障に深刻な脅威をもたらす。 本研究では,Retrieval-Augmented Zero-shot Generation (ReZG)を提案する。 我々は, PLM が異なる知識保存, カウンター, フラレンシ制約関数を利用できるように, エネルギーベースの制約付き復号機構を実装した。
• 参考スコア（独自算出の注目度）: 8.755129583452915
• License:
• Abstract: The proliferation of hate speech (HS) on social media poses a serious threat to societal security. Automatic counter narrative (CN) generation, as an active strategy for HS intervention, has garnered increasing attention in recent years. Existing methods for automatically generating CNs mainly rely on re-training or fine-tuning pre-trained language models (PLMs) on human-curated CN corpora. Unfortunately, the annotation speed of CN corpora cannot keep up with the growth of HS targets, while generating specific and effective CNs for unseen targets remains a significant challenge for the model. To tackle this issue, we propose Retrieval-Augmented Zero-shot Generation (ReZG) to generate CNs with high-specificity for unseen targets. Specifically, we propose a multi-dimensional hierarchical retrieval method that integrates stance, semantics, and fitness, extending the retrieval metric from single dimension to multiple dimensions suitable for the knowledge that refutes HS. Then, we implement an energy-based constrained decoding mechanism that enables PLMs to use differentiable knowledge preservation, countering, and fluency constraint functions instead of in-target CNs as control signals for generation, thereby achieving zero-shot CN generation. With the above techniques, ReZG can integrate external knowledge flexibly and improve the specificity of CNs. Experimental results show that ReZG exhibits stronger generalization capabilities and outperforms strong baselines with significant improvements of 2.0%+ in the relevance and 4.5%+ in the countering success rate metrics.
• Abstract（参考訳）: ソーシャルメディア上でのヘイトスピーチ(HS)の拡散は、社会保障に深刻な脅威をもたらす。 近年,HS介入の積極的な戦略として,自動カウンターナラティブ(CN)生成が注目されている。 CNを自動生成する既存の方法は、主に人為的なCNコーパス上のPLM(re-training or fine-tuning pre-trained language model)に依存している。 残念なことに、CNコーパスのアノテーション速度はHSターゲットの成長に追いついてはいないが、特定かつ効果的なCNの生成はモデルにとって大きな課題である。 この問題に対処するため、未確認ターゲットに対して高い特異性を有するCNを生成するためにRetrieval-Augmented Zero-shot Generation (ReZG)を提案する。 具体的には,多次元階層的検索手法を提案する。この手法は姿勢,セマンティクス,フィットネスを統合し,検索基準を1次元から複数の次元に拡張し,HSに反論する知識に適合する。 そこで我々は, PLM が生成のための制御信号として, ターゲット内 CN の代わりに, 識別可能な知識保存, カウンター, フラレンシ制約関数を利用できるようなエネルギーベースの制約付き復号機構を実装し, ゼロショット CN 生成を実現する。 以上の手法により、ReZGは外部知識を柔軟に統合し、CNの特異性を向上させることができる。 実験の結果, ReZGは高い一般化能力を示し, 高いベースラインを上回り, 関連性は2.0%以上, 対向成功率は4.5%以上であった。

関連論文リスト

• CTINEXUS: Leveraging Optimized LLM In-Context Learning for Constructing Cybersecurity Knowledge Graphs Under Data Scarcity [49.657358248788945]
  サイバー脅威インテリジェンス(CTI)レポートのテキスト記述は、サイバー脅威に関する豊富な知識源である。 現在のCTI抽出法は柔軟性と一般化性に欠けており、しばしば不正確で不完全な知識抽出をもたらす。 CTINexusは,大規模言語モデルのテキスト内学習(ICL)を最適化した新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-10-28T14:18:32Z)
• A LLM-Based Ranking Method for the Evaluation of Automatic Counter-Narrative Generation [14.064465097974836]
  本稿では,Large Language Model (LLM) を用いた対数ナラティブ(CN)生成の評価手法を提案する。 従来の自動指標は, 人間の判断と相関が低く, 生成したCNと人間の知覚との微妙な関係を捉えることができないことを示す。
  論文  参考訳（メタデータ） (2024-06-21T15:11:33Z)
• Improving the Robustness of Knowledge-Grounded Dialogue via Contrastive Learning [71.8876256714229]
  本稿では,知識ベース対話システムの堅牢性向上を目的とした,エンティティベースのコントラスト学習フレームワークを提案する。 提案手法は,自動評価スコアの点から,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-01-09T05:16:52Z)
• CTC-based Non-autoregressive Speech Translation [51.37920141751813]
  非自己回帰音声翻訳における接続性時間分類の可能性について検討する。 我々は、CTCによって誘導される2つのエンコーダからなるモデルを構築し、ソースおよびターゲットテキストを予測する。 MuST-Cベンチマークの実験では、我々のNASTモデルは平均BLEUスコアが29.5であり、スピードアップは5.67$times$である。
  論文  参考訳（メタデータ） (2023-05-27T03:54:09Z)
• Evaluate Confidence Instead of Perplexity for Zero-shot Commonsense Reasoning [85.1541170468617]
  本稿では,コモンセンス推論の性質を再考し,新しいコモンセンス推論尺度であるNon-Replacement Confidence(NRC)を提案する。 提案手法は,2つのコモンセンス推論ベンチマークデータセットと,さらに7つのコモンセンス質問応答データセットに対してゼロショット性能を向上する。
  論文  参考訳（メタデータ） (2022-08-23T14:42:14Z)
• Using Pre-Trained Language Models for Producing Counter Narratives Against Hate Speech: a Comparative Study [17.338923885534193]
  本稿では,CN自動生成作業における事前学習言語モデルの利用に関する広範な研究を行う。 まず、CNを生成するのに最適な特定の言語モデル(またはLMのクラス)と特定の復号機構が存在するかどうかを比較検討する。 自動回帰モデルとデコードを組み合わせることが、最も有望であることを示している。
  論文  参考訳（メタデータ） (2022-04-04T12:44:47Z)
• Graph Backdoor [53.70971502299977]
  GTAはグラフニューラルネットワーク(GNN)に対する最初のバックドア攻撃である。 GTAは、トポロジカル構造と記述的特徴の両方を含む特定の部分グラフとしてトリガーを定義する。 トランスダクティブ(ノード分類など)とインダクティブ(グラフ分類など)の両方のタスクに対してインスタンス化することができる。
  論文  参考訳（メタデータ） (2020-06-21T19:45:30Z)
• Control, Generate, Augment: A Scalable Framework for Multi-Attribute Text Generation [22.70189685469752]
  我々は条件付きVAEアーキテクチャであるCGAを導入し、テキストを制御、生成、拡張する。 アブレーション研究において,個々のモデル成分の値を示す。 生成した文の質,多様性,属性の制御を,一連の自動評価および人的評価を通じて示す。
  論文  参考訳（メタデータ） (2020-04-30T17:31:16Z)
• Characterizing Speech Adversarial Examples Using Self-Attention U-Net Enhancement [102.48582597586233]
  本稿では,U-Net$_At$という,U-Netに基づくアテンションモデルを提案する。 対戦型音声アタックを用いた自動音声認識(ASR)タスクの実験を行った。
  論文  参考訳（メタデータ） (2020-03-31T02:16:34Z)

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。