論文の概要: Toeing the Party Line: Election Manifestos as a Key to Understand Political Discourse on Twitter

• arxiv url: http://arxiv.org/abs/2410.15743v1
• Date: Mon, 21 Oct 2024 08:01:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:13:22.094810
• Title: Toeing the Party Line: Election Manifestos as a Key to Understand Political Discourse on Twitter
• Title（参考訳）: Twitterで政治談話を理解する鍵としての選挙宣言
• Authors: Maximilian Maurer, Tanise Ceron, Sebastian Padó, Gabriella Lapesa,
• Abstract要約: 手動のアノテーションを必要とせずに、テキスト表現を微調整するための信号としてハッシュタグを使用します。 提案手法は,全ての候補のつぶやきのあるシナリオにおいて,マニフェスト位置を反映した安定した位置決めを実現する。 これはアクターが手動のアノテーションで相対的な位置を確実に分析できることを示唆している。
• 参考スコア（独自算出の注目度）: 15.698347233120993
• License:
• Abstract: Political discourse on Twitter is a moving target: politicians continuously make statements about their positions. It is therefore crucial to track their discourse on social media to understand their ideological positions and goals. However, Twitter data is also challenging to work with since it is ambiguous and often dependent on social context, and consequently, recent work on political positioning has tended to focus strongly on manifestos (parties' electoral programs) rather than social media. In this paper, we extend recently proposed methods to predict pairwise positional similarities between parties from the manifesto case to the Twitter case, using hashtags as a signal to fine-tune text representations, without the need for manual annotation. We verify the efficacy of fine-tuning and conduct a series of experiments that assess the robustness of our method for low-resource scenarios. We find that our method yields stable positioning reflective of manifesto positioning, both in scenarios with all tweets of candidates across years available and when only smaller subsets from shorter time periods are available. This indicates that it is possible to reliably analyze the relative positioning of actors forgoing manual annotation, even in the noisier context of social media.
• Abstract（参考訳）: 政治家は継続的に自分の立場について発言する。 したがって、彼らのイデオロギー的立場や目標を理解するためには、ソーシャルメディア上での会話を追跡することが不可欠である。 しかし、Twitterのデータは曖昧であり、社会的文脈に依存しているため、作業も困難であり、その結果、政治的位置決めに関する最近の研究は、ソーシャルメディアよりもマニフェスト(政党の選挙プログラム)に強く焦点を当てる傾向にある。 本稿では,手動のアノテーションを必要とせず,ハッシュタグをテキスト表現の微調整の信号として用いて,マニフェストケースからTwitterケースまでの位置的類似性を予測する手法を最近提案した。 細調整の有効性を検証し,低リソースシナリオに対する本手法のロバスト性を評価する一連の実験を行った。 提案手法は,複数年にわたる候補者のつぶやきを含むシナリオと,短い期間のサブセットでしか利用できない場合の両方において,マニフェスト定位を反映した安定した位置決めを実現する。 このことは,ソーシャルメディアのノイズの多い状況においても,手動アノテーションを用いたアクターの相対的位置を確実に分析できることを示唆している。

関連論文リスト

• On the Use of Proxies in Political Ad Targeting [49.61009579554272]
  我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。 本研究は政治広告の規制に関する議論に重要な意味を持つ。
  論文  参考訳（メタデータ） (2024-10-18T17:15:13Z)
• Tracking the Newsworthiness of Public Documents [107.12303391111014]
  この研究は、サンフランシスコ・クロニクル(San Francisco Chronicle)によるサンフランシスコ・ベイエリアにおける地方公共政策のニュース報道に焦点を当てている。 まず、新聞記事、公共政策文書、会議記録を収集し、確率的関係モデルを用いてそれらをリンクする。 第二に、ポリシー項目がカバーされるかどうかを予測するために、ニューズサステイネス予測という新しいタスクを定義します。
  論文  参考訳（メタデータ） (2023-11-16T10:05:26Z)
• Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
  ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。 自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。 本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
  論文  参考訳（メタデータ） (2023-07-05T20:16:20Z)
• 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)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• Fast Few shot Self-attentive Semi-supervised Political Inclination Prediction [12.472629584751509]
  政策立案者やジャーナリストにとって、特定の場所にいる人々の政治的傾向を理解するために、ソーシャルメディア上でオンライン世論調査を作成することは、今やますます一般的になっている。 我々は、その目的をさらに進めるために、政治的傾き検出のための自己注意型半教師付きフレームワークを導入する。 資源制約のある設定でも,モデルは非常に効率的であることがわかった。
  論文  参考訳（メタデータ） (2022-09-21T12:07:16Z)
• Tweets2Stance: Users stance detection exploiting Zero-Shot Learning Algorithms on Tweets [0.06372261626436675]
  この研究の目的は、TwitterのパーティアカウントがTwitterで書いたことを悪用する各声明に関して、党pのスタンスを予測することである。 複数の実験から得られた結果から、Tweets2Stanceは、タスクの複雑さを考慮して、一般的な最小値である1.13の姿勢を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2022-04-22T14:00:11Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Mundus vult decipi, ergo decipiatur: Visual Communication of Uncertainty in Election Polls [56.8172499765118]
  我々は、今放送と予測におけるバイアスの潜在的な源について論じる。 概念は、誤認識された正確性の問題を軽減するために提示される。 主要なアイデアの1つは、パーティーシェアではなくイベントの確率を使うことである。
  論文  参考訳（メタデータ） (2021-04-28T07:02:24Z)
• Inferring Political Preferences from Twitter [0.0]
  ソーシャルメディアの政治的センチメント分析は、政治ストラテジストが政党や候補者のパフォーマンスを精査するのに役立つ。 選挙期間中、ソーシャルネットワークはブログ、チャット、討論、政党や政治家の展望に関する議論で溢れている。 本研究では、従来の機械学習を用いて、テキスト分類問題としてモデル化することで、ツイートに存在する政治的意見の傾きを特定することを選んだ。
  論文  参考訳（メタデータ） (2020-07-21T05:20:43Z)
• Text-Based Ideal Points [26.981303055207267]
  著者の政治的立場を定量化するためにテキストを解析する教師なし確率的トピックモデルであるテキストベース理想点モデル(TBIP)を導入する。 TBIPは政党ごとに議員を分離し、解釈可能な政治トピックを学び、古典的な投票に基づく理想点に近い理想的な点を推測する。 非投票者を含む政治的テキストを執筆する人の理想的なポイントを見積もることができる。
  論文  参考訳（メタデータ） (2020-05-08T21:16:42Z)

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。