論文の概要: NLP Case Study on Predicting the Before and After of the Ukraine-Russia and Hamas-Israel Conflicts
- arxiv url: http://arxiv.org/abs/2410.06427v1
- Date: Tue, 8 Oct 2024 23:46:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-01 05:49:26.003790
- Title: NLP Case Study on Predicting the Before and After of the Ukraine-Russia and Hamas-Israel Conflicts
- Title（参考訳）: ウクライナ・ロシア・ハマス・イスラエル紛争前後の予測に関するNLP事例研究
- Authors: Jordan Miner, John E. Ortega,
- Abstract要約: 近年の2つの事象に対して自然言語処理(NLP)技術を用いて毒性やその他のテキスト属性を予測する手法を提案する。
本稿は、紛争発生前後のソーシャルメディアの分析を通じてリスクを軽減することを願って、今後の紛争における調査の基盤を提供する。
- 参考スコア（独自算出の注目度）: 2.07180164747172
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a method to predict toxicity and other textual attributes through the use of natural language processing (NLP) techniques for two recent events: the Ukraine-Russia and Hamas-Israel conflicts. This article provides a basis for exploration in future conflicts with hopes to mitigate risk through the analysis of social media before and after a conflict begins. Our work compiles several datasets from Twitter and Reddit for both conflicts in a before and after separation with an aim of predicting a future state of social media for avoidance. More specifically, we show that: (1) there is a noticeable difference in social media discussion leading up to and following a conflict and (2) social media discourse on platforms like Twitter and Reddit is useful in identifying future conflicts before they arise. Our results show that through the use of advanced NLP techniques (both supervised and unsupervised) toxicity and other attributes about language before and after a conflict is predictable with a low error of nearly 1.2 percent for both conflicts.
- Abstract（参考訳）: 我々は,ウクライナ・ロシア・ハマス・イスラエル紛争の2つの出来事に対して,自然言語処理(NLP)技術を用いて毒性やその他のテキスト特性を予測する手法を提案する。
本稿は、紛争発生前後のソーシャルメディアの分析を通じてリスクを軽減することを願って、今後の紛争における調査の基盤を提供する。
我々の研究は、ソーシャルメディアの将来状態を予測して回避することを目的として、TwitterとRedditの双方の衝突の前後に、いくつかのデータセットをコンパイルする。
より具体的には、(1)紛争に先立って続くソーシャルメディアの議論に顕著な違いがあること、(2)TwitterやRedditのようなプラットフォーム上でのソーシャルメディアの談話は、紛争が起こる前に将来の紛争を特定するのに有用である。
以上の結果から,紛争前後の言語に対する高度なNLP技術(教師なしおよび教師なし)の毒性などの属性を用いることで,両紛争の誤差が1.2%近くと予測できることが示唆された。
関連論文リスト
- ECon: On the Detection and Resolution of Evidence Conflicts [56.89209046429291]
大規模言語モデル(LLM)の台頭は意思決定システムにおける情報の質に大きな影響を与えている。
本研究では,実世界の誤情報シナリオをシミュレートするために,多様で検証された証拠衝突を生成する手法を提案する。
論文 参考訳（メタデータ） (2024-10-05T07:41:17Z) - Humans and language models diverge when predicting repeating text [52.03471802608112]
我々は,人間とLMのパフォーマンスが分岐するシナリオを提示する。
人間とGPT-2 LMの予測はテキストスパンの最初のプレゼンテーションで強く一致しているが、メモリが役割を担い始めると、その性能は急速にバラバラになる。
このシナリオが,LMを人間の行動に近づける上で,今後の作業に拍車をかけることを期待しています。
論文 参考訳（メタデータ） (2023-10-10T08:24:28Z) - Getting Sick After Seeing a Doctor? Diagnosing and Mitigating Knowledge Conflicts in Event Temporal Reasoning [87.92209048521153]
出来事の時間的推論は、物語から2つ以上の出来事の間の時間的関係を特定することを目的としている。
知識の衝突は、コンテキスト内の事象の実際の時間的関係と、モデルによって学習された事前の知識やバイアスとの間にミスマッチがあるときに起こる。
論文 参考訳（メタデータ） (2023-05-24T10:04:06Z) - Automated multilingual detection of Pro-Kremlin propaganda in newspapers
and Telegram posts [5.886782001771578]
ロシア連邦とウクライナの大規模な紛争は、前例のない量のニュース記事やソーシャルメディアデータを生み出した。
本研究は、ウクライナ語、ロシア語、ルーマニア語、英語のニュース記事やテレグラムのニュースチャンネルを用いて、戦初月にメディアが世論にどう影響し、どのように反映したかを分析した。
我々はトランスフォーマーと言語特徴に基づく多言語自動プロパガンダ識別の2つの手法を提案し,比較する。
論文 参考訳（メタデータ） (2023-01-25T14:25:37Z) - Sentiment Analysis for Measuring Hope and Fear from Reddit Posts During
the 2022 Russo-Ukrainian Conflict [0.0]
本稿では,2022年ウクライナ・ロシア紛争に対する「textithope」と「textitfear」を測る,新しい語彙に基づく教師なし感情分析手法を提案する。
$textitReddit.com$は、紛争の最初の3ヶ月間、日々の出来事に対する人間の反応の主要源として利用されている。
論文 参考訳（メタデータ） (2023-01-19T22:43:59Z) - Parallel Reasoning Network for Human-Object Interaction Detection [53.422076419484945]
並列推論ネットワーク(PR-Net)というトランスフォーマーに基づく新しい手法を提案する。
PR-Netは、インスタンスレベルのローカライゼーションと関係レベルの理解のための2つの独立した予測器を構築する。
我々のPR-NetはHICO-DETとV-COCOベンチマークで競合する結果を得た。
論文 参考訳（メタデータ） (2023-01-09T17:00:34Z) - Aggression and "hate speech" in communication of media users: analysis
of control capabilities [50.591267188664666]
著者らは新メディアにおける利用者の相互影響の可能性を検討した。
新型コロナウイルス(COVID-19)対策として、緊急の社会問題について議論する際、攻撃やヘイトスピーチのレベルが高いことが分かった。
結果は、現代のデジタル環境におけるメディアコンテンツの開発に有用である。
論文 参考訳（メタデータ） (2022-08-25T15:53:32Z) - Understanding Interpersonal Conflict Types and their Impact on
Perception Classification [7.907976678407914]
我々は、新しいアノテーションスキームを使用し、コンフリクトアスペクトアノテーションとコンフリクトアスペクトアノテーションの新しいデータセットをリリースする。
次に、ある状況において、ある個人の行動が正しいものであると認識するかどうかを予測する分類器を構築します。
我々の発見は、紛争や社会規範を理解する上で重要な意味を持つ。
論文 参考訳（メタデータ） (2022-08-18T10:39:35Z) - Adversarial Attacks and Defenses for Social Network Text Processing
Applications: Techniques, Challenges and Future Research Directions [7.84287273674205]
ソーシャルメディアアプリケーションにおける敵攻撃と防衛の主なアプローチを概観する。
本研究は,<i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i</i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i>i</i>i>i>i</i>
論文 参考訳（メタデータ） (2021-10-26T19:33:40Z) - M2P2: Multimodal Persuasion Prediction using Adaptive Fusion [65.04045695380333]
本稿では,ディベートアウトカム予測 (DOP) 問題において,誰が討論に勝つかを予測し,IPP (Intensity of Persuasion Prediction) 問題では,講演者の発言前後の投票数の変化を予測する。
我々のM2P2フレームワークはIPP問題を解決するためにマルチモーダル(音響、視覚、言語)データを使用した最初のフレームワークです。
論文 参考訳（メタデータ） (2020-06-03T18:47:24Z)
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。