論文の概要: Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting

• arxiv url: http://arxiv.org/abs/2310.13297v1
• Date: Fri, 20 Oct 2023 06:17:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 00:05:29.029960
• Title: Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting
• Title（参考訳）: サイレントマジョリティのデコード:応答予測のための大規模言語モデルによる信念拡張ソーシャルグラフの誘導
• Authors: Chenkai Sun, Jinning Li, Yi R. Fung, Hou Pong Chan, Tarek Abdelzaher, ChengXiang Zhai, Heng Ji
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 74.68371461260946
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic response forecasting for news media plays a crucial role in enabling content producers to efficiently predict the impact of news releases and prevent unexpected negative outcomes such as social conflict and moral injury. To effectively forecast responses, it is essential to develop measures that leverage the social dynamics and contextual information surrounding individuals, especially in cases where explicit profiles or historical actions of the users are limited (referred to as lurkers). As shown in a previous study, 97% of all tweets are produced by only the most active 25% of users. However, existing approaches have limited exploration of how to best process and utilize these important features. To address this gap, we propose a novel framework, named SocialSense, that leverages a large language model to induce a belief-centered graph on top of an existent social network, along with graph-based propagation to capture social dynamics. We hypothesize that the induced graph that bridges the gap between distant users who share similar beliefs allows the model to effectively capture the response patterns. Our method surpasses existing state-of-the-art in experimental evaluations for both zero-shot and supervised settings, demonstrating its effectiveness in response forecasting. Moreover, the analysis reveals the framework's capability to effectively handle unseen user and lurker scenarios, further highlighting its robustness and practical applicability.
• Abstract（参考訳）: ニュースメディアの自動反応予測は、コンテンツ制作者がニュースリリースの影響を効率的に予測し、社会的対立や道徳的負傷などの予期せぬネガティブな結果を防ぐ上で重要な役割を担っている。 応答を効果的に予測するためには、特にユーザの明示的なプロファイルや歴史的な行動が限定されている場合(ルーカー参照)、個人を取り巻く社会的ダイナミクスや文脈情報を活用する尺度を開発することが不可欠である。 前回の調査で示されたように、全ツイートの97%は、最もアクティブな25%しか生成していない。 しかし、既存のアプローチでは、これらの重要な機能を最もよく処理し活用する方法の探求が限られている。 このギャップに対処するために,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ために,大きな言語モデルを活用するSocialSenseという新しいフレームワークと,ソーシャルダイナミクスを捉えるグラフベースの伝搬を提案する。 類似の信念を共有する遠方のユーザ間のギャップを橋渡しする誘導グラフは、モデルが効果的に応答パターンを捉えることができると仮定する。 提案手法は,ゼロショットと教師付きセッティングの両方の実験評価において既存の最先端技術を超え,応答予測の有効性を示す。 さらに,この分析により,未解決のユーザシナリオとlurkerシナリオを効果的に処理できるフレームワークの能力が明らかにされ,その堅牢性と実用的適用性がさらに強調された。

関連論文リスト

• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• Graph Neural Networks for Antisocial Behavior Detection on Twitter [0.0]
  反社会的行動のソーシャルメディアの復活は、ステレオタイプ的信念や個人や社会グループに対する憎悪的なコメントに下向きのスパイラルをもたらした。 大量のグラフ構造化データに使用されるグラフニューラルネットワークの進歩は、ソーシャルメディアプラットフォームにおけるコミュニケーションのメディア化の将来への期待を高めている。 グラフ畳み込みデータに基づくアプローチを用いて、異種データ間の依存関係をよりよく把握した。
  論文  参考訳（メタデータ） (2023-12-28T00:25:12Z)
• DySuse: Susceptibility Estimation in Dynamic Social Networks [2.736093604280113]
  本稿では,より現実的で,現実的な応用に有用な,動的ソーシャルネットワークにおける感受性推定というタスクを提案する。 構造的特徴モジュールを利用して、各グラフスナップショット上の影響拡散の構造的情報を独立にキャプチャする。 本フレームワークは,既存の動的グラフ埋め込みモデルよりも優れ,複数の影響拡散モデルにおいて良好な予測性能を有する。
  論文  参考訳（メタデータ） (2023-08-21T03:28:34Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)
• In the Eye of the Beholder: Robust Prediction with Causal User Modeling [27.294341513692164]
  データ分布の変化に頑健な関係予測のための学習フレームワークを提案する。 私たちのキーとなる観察は、ユーザがどのように環境を慎重に知覚するかを考慮し、堅牢性を得ることができることです。
  論文  参考訳（メタデータ） (2022-06-01T11:33:57Z)
• Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction [59.221668173521884]
  本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。 エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
  論文  参考訳（メタデータ） (2022-04-18T09:25:06Z)
• Generative Counterfactuals for Neural Networks via Attribute-Informed Perturbation [51.29486247405601]
  AIP(Attribute-Informed Perturbation)の提案により,生データインスタンスの反事実を生成するフレームワークを設計する。 異なる属性を条件とした生成モデルを利用することで、所望のラベルとの反事実を効果的かつ効率的に得ることができる。 実世界のテキストや画像に対する実験結果から, 設計したフレームワークの有効性, サンプル品質, および効率が示された。
  論文  参考訳（メタデータ） (2021-01-18T08:37:13Z)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)

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。