論文の概要: STEntConv: Predicting Disagreement with Stance Detection and a Signed Graph Convolutional Network

• arxiv url: http://arxiv.org/abs/2403.15885v1
• Date: Sat, 23 Mar 2024 16:45:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-26 20:32:18.568561
• Title: STEntConv: Predicting Disagreement with Stance Detection and a Signed Graph Convolutional Network
• Title（参考訳）: STEntConv: スタンス検出による診断予測とグラフ畳み込みネットワーク
• Authors: Isabelle Lorge, Li Zhang, Xiaowen Dong, Janet B. Pierrehumbert,
• Abstract要約: 本稿では,2つのポストの著者が同意するか否かを予測するための,単純で新しい教師なしの手法を提案する。 STEntConvは、ユーザのグラフと、スタンスによって重み付けされた名前付きエンティティを構築するモデルである。 この情報を含むと、さまざまな議論を呼んでいるサブレディットトピックに対するReddit投稿のデータセットにおける不一致検出性能が向上することを示す。
• 参考スコア（独自算出の注目度）: 22.131912477093273
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rise of social media platforms has led to an increase in polarised online discussions, especially on political and socio-cultural topics such as elections and climate change. We propose a simple and novel unsupervised method to predict whether the authors of two posts agree or disagree, leveraging user stances about named entities obtained from their posts. We present STEntConv, a model which builds a graph of users and named entities weighted by stance and trains a Signed Graph Convolutional Network (SGCN) to detect disagreement between comment and reply posts. We run experiments and ablation studies and show that including this information improves disagreement detection performance on a dataset of Reddit posts for a range of controversial subreddit topics, without the need for platform-specific features or user history.
• Abstract（参考訳）: ソーシャルメディアプラットフォームの普及は、特に選挙や気候変動といった政治的・社会文化的話題について、オンライン上での議論の分極化に繋がった。 本稿では,2つの投稿の著者が同意するか否かを予測し,その投稿から得られる名前付きエンティティに関するユーザのスタンスを活用するための,シンプルで新しい教師なしの手法を提案する。 本稿では,ユーザと名前を重み付けしたエンティティのグラフを構築するモデルであるSTEntConvを紹介し,コメントと返信の相違を検出するために,SGCN (Signed Graph Convolutional Network) を訓練する。 プラットフォーム固有の機能やユーザ履歴を必要とせずに、さまざまな議論を呼んでいるサブレディットトピックについて、Reddit投稿のデータセットにおける不一致検出性能を改善することを示します。

関連論文リスト

• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  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。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Detecting Political Opinions in Tweets through Bipartite Graph Analysis: A Skip Aggregation Graph Convolution Approach [9.350629400940493]
  私たちは2020年の米国大統領選挙に集中し、Twitterから大規模なデータセットを作成します。 ツイート中の政治的意見を検出するために,ユーザの投稿行動とリツイート行動に基づいて,ユーザツイートの2部グラフを構築した。 ツイートノードに2階隣人からの情報を集約する新しいスキップアグリゲーション機構を導入する。
  論文  参考訳（メタデータ） (2023-04-22T10:38:35Z)
• Depression detection in social media posts using affective and social norm features [84.12658971655253]
  ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。 我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。 提案された機能を含めると、両方の設定で最先端の結果が得られます。
  論文  参考訳（メタデータ） (2023-03-24T21:26:27Z)
• Verifying the Robustness of Automatic Credibility Assessment [79.08422736721764]
  テキスト分類法は信頼性の低い内容を検出する手段として広く研究されている。 入力テキストの無意味な変更は、モデルを誤解させることがある。 偽情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAを紹介する。
  論文  参考訳（メタデータ） (2023-03-14T16:11:47Z)
• Predicting Hateful Discussions on Reddit using Graph Transformer Networks and Communal Context [9.4337569682766]
  ソーシャルメディアプラットフォーム上で有害な議論を予測するシステムを提案する。 我々のソリューションは文脈の深い言語モデルを使用し、最先端のグラフトランスフォーマーネットワークを統合します。 我々は,様々なコミュニティから333,487件のRedditディスカッションを行った。
  論文  参考訳（メタデータ） (2023-01-10T23:47:13Z)
• Learning Stance Embeddings from Signed Social Graphs [7.202476284052426]
  ソーシャルネットワーク分析における重要な課題は、大量のトピックについて、グラフ内の人々の位置や姿勢を理解することである。 本研究では,サイン付きソーシャルグラフにおける各ユーザとトピックの埋め込みを共同で学習するStance Embeddings Modelを提案する。 SEMはコールドスタートトピックのスタンス検出を行うことができ、ユーザのエンゲージメントを観察していないトピックに対するスタンスを予測できる。
  論文  参考訳（メタデータ） (2022-01-27T17:22:49Z)
• Unsupervised Belief Representation Learning in Polarized Networks with Information-Theoretic Variational Graph Auto-Encoders [26.640917190618612]
  偏極ネットワークにおける信念表現学習のための教師なしアルゴリズムを開発した。 ユーザとコンテンツアイテム(例えば、ユーザビューを表す投稿)の両方を、適切に区切られた潜在空間に投影することを学ぶ。 ユーザとコンテンツの潜在表現は、イデオロギー的傾きを定量化し、問題に対する姿勢を検出し、予測するために使用することができる。
  論文  参考訳（メタデータ） (2021-10-01T04:35:01Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Linking the Dynamics of User Stance to the Structure of Online Discussions [6.853826783413853]
  議論対象に対するユーザのスタンスが,オンライン上での議論に影響を及ぼすかどうかを考察する。 機械学習モデルに基づいた一連の予測演習をセットアップしました。 その結果,最も情報に富む特徴は,ユーザが参加することを好む議論のスタンス・コンポジションに関係していることがわかった。
  論文  参考訳（メタデータ） (2021-01-25T02:08:54Z)
• Interpretable Signed Link Prediction with Signed Infomax Hyperbolic Graph [54.03786611989613]
  ソーシャルネットワークにおけるサイン付きリンク予測は、ユーザ(すなわちノード)間の基盤となる関係(リンク)を明らかにすることを目的としている 我々は Signed Infomax Hyperbolic Graph (textbfSIHG) と呼ばれる統一されたフレームワークを開発する。 高次ユーザ関係と複雑な階層をモデル化するために、ノードの埋め込みを投影し、より低歪みの双曲空間で測定する。
  論文  参考訳（メタデータ） (2020-11-25T05:09:03Z)

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。