Fugu-MT 論文翻訳(概要): SocialPET: Socially Informed Pattern Exploiting Training for Few-Shot Stance Detection in Social Media

論文の概要: SocialPET: Socially Informed Pattern Exploiting Training for Few-Shot Stance Detection in Social Media

arxiv url: http://arxiv.org/abs/2403.05216v1
Date: Fri, 8 Mar 2024 11:00:09 GMT
ステータス: 処理完了
システム内更新日: 2024-03-11 20:05:48.453711
Title: SocialPET: Socially Informed Pattern Exploiting Training for Few-Shot Stance Detection in Social Media
Title（参考訳）: ソーシャルPET:ソーシャルメディアにおけるファウショットスタンス検出のためのソーシャルインフォームドパターンエクスプロイトトレーニング
Authors: Parisa Jamadi Khiabani, Arkaitz Zubiaga
Abstract要約: スタンス検出とは、ソーシャルメディア投稿の目的に対する視点を「好み」や「アゲインスト」として判断するタスクである。 SocialPETは、そのタスクに言語モデルを活用するための社会的に情報を得たアプローチである。マルチターゲットとPスタンスという2つのスタンスデータセットに対するSocialPETの有効性を実証する。
参考スコア（独自算出の注目度）: 8.556183465416156
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Stance detection, as the task of determining the viewpoint of a social media post towards a target as 'favor' or 'against', has been understudied in the challenging yet realistic scenario where there is limited labeled data for a certain target. Our work advances research in few-shot stance detection by introducing SocialPET, a socially informed approach to leveraging language models for the task. Our proposed approach builds on the Pattern Exploiting Training (PET) technique, which addresses classification tasks as cloze questions through the use of language models. To enhance the approach with social awareness, we exploit the social network structure surrounding social media posts. We prove the effectiveness of SocialPET on two stance datasets, Multi-target and P-Stance, outperforming competitive stance detection models as well as the base model, PET, where the labeled instances for the target under study is as few as 100. When we delve into the results, we observe that SocialPET is comparatively strong in identifying instances of the `against' class, where baseline models underperform.
Abstract（参考訳）: ターゲットに対するソーシャルメディア投稿の視点を「好み」や「アゲインスト」と判断するタスクとしてのスタンス検出は、特定のターゲットに限定されたラベル付きデータが存在するという挑戦的かつ現実的なシナリオにおいて検討されてきた。本研究は,タスクに言語モデルを活用するための社会的に情報を得たアプローチであるSocialPETを導入することで,数点の姿勢検出における研究を進める。提案手法は,言語モデルを用いて分類タスクをクローズ問題として扱うPET(Pattern Exploiting Training)技術に基づいている。ソーシャル・アウェアネスによるアプローチを強化するために,ソーシャルメディア投稿を取り囲むソーシャル・ネットワーク構造を利用する。マルチターゲットとPスタンスという2つのスタンスデータセットにおけるSocialPETの有効性を実証し,研究対象のラベル付きインスタンスが100に満たないベースモデルであるPETの他,競争姿勢検出モデルよりも優れていることを示す。結果を調べると、SocialPETは‘against’クラスのインスタンスを識別する上で比較的強力であり、ベースラインモデルは性能が劣っていることが分かる。

関連論文リスト

A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
姿勢検出は感情コンピューティングにおける重要なサブフィールドとして現れました近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
論文参考訳（メタデータ） (2024-09-24T03:06:25Z)
Social-LLM: Modeling User Behavior at Scale using Language Models and Social Network Data [13.660150473547766]
本稿では,ユーザ検出タスクにおけるソーシャルネットワークデータのモデリングに適した新しいアプローチを提案する。提案手法は,局所的なソーシャルネットワークのインタラクションを,大規模言語モデルの能力と統合する。実世界の7つのソーシャル・ネットワーク・データセットにまたがって、我々の手法を徹底的に評価する。
論文参考訳（メタデータ） (2023-12-31T05:13:13Z)
DeSIQ: Towards an Unbiased, Challenging Benchmark for Social Intelligence Understanding [60.84356161106069]
複雑な社会的相互作用のビデオ上での複数選択質問のデータセットであるSocial-IQの健全性について検討する。分析の結果,Social-IQにはある程度のバイアスがあり,適度に強い言語モデルによって活用できることがわかった。ソーシャルIQに単純な摂動を適用して構築した,新たな挑戦的データセットであるDeSIQを紹介する。
論文参考訳（メタデータ） (2023-10-24T06:21:34Z)
SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。 GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
論文参考訳（メタデータ） (2023-10-18T02:27:01Z)
Few-shot Learning for Cross-Target Stance Detection by Aggregating Multimodal Embeddings [16.39344929765961]
テキストとネットワークの両方の特徴からマルチモーダルな埋め込みを集約する新しいモデルであるCT-TNを導入する。本研究は,ソース・デスティネーション・ターゲット・ペアの6つの異なる組み合わせについて,数ショットのクロスターゲット・シナリオで実験を行う。異なる数のショットで実験したところ、CT-TNは目的地の300のインスタンスを見た後、他のモデルよりも優れていた。
論文参考訳（メタデータ） (2023-01-11T15:52:55Z)
Improved Target-specific Stance Detection on Social Media Platforms by Delving into Conversation Threads [12.007570049217398]
本稿では,会話姿勢検出という新しい課題を提案する。データインスタンスとその対応する会話スレッドが与えられた場合、所定のターゲット(例えば、COVID-19ワクチン接種)に対するスタンスを推論する。データインスタンスと会話スレッドの両方から所望のスタンスを推測するため,会話スレッドにコンテキスト情報を組み込んだBranch-BERTモデルを提案する。
論文参考訳（メタデータ） (2022-11-06T08:40:48Z)
Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文参考訳（メタデータ） (2022-07-20T13:37:57Z)
Social Processes: Self-Supervised Forecasting of Nonverbal Cues in Social Conversations [22.302509912465077]
我々は、社会的人間関係の分野におけるボトムアップな自己監督的アプローチの方向への第一歩を踏み出す。ソーシャルキュー予測のタスクを定式化し、ラベルなしの低レベル行動キューを多量に活用する。本稿では,ニューラル・プロセス(NP)ファミリー内における社会的に認識されるシーケンス・ツー・シーケンス(Seq2Seq)モデルを提案する。
論文参考訳（メタデータ） (2021-07-28T18:01:08Z)
PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
論文参考訳（メタデータ） (2021-03-02T18:44:57Z)
Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文参考訳（メタデータ） (2020-07-07T17:19:56Z)
Stance Detection on Social Media: State of the Art and Trends [5.584060970507506]
ソーシャルメディアにおけるスタンス検出は、感情分析が最適ではないかもしれない様々な社会的・政治的応用のための新たな意見マイニングパラダイムである。本稿では,これらのコミュニティにおけるスタンス検出の取り組みについて調査し,ソーシャルメディアにおける現在の意見マイニング手法における利用状況について考察する。ソーシャルメディア上でのスタンス検出手法の徹底的なレビューとして,タスク定義,スタンス検出におけるさまざまなタイプのターゲット,使用する機能,適用されたさまざまな機械学習アプローチについて紹介する。
論文参考訳（メタデータ） (2020-06-05T19:24:16Z)

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。