論文の概要: LLMTaxo: Leveraging Large Language Models for Constructing Taxonomy of Factual Claims from Social Media

• arxiv url: http://arxiv.org/abs/2504.12325v1
• Date: Fri, 11 Apr 2025 18:43:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-18 14:38:34.446245
• Title: LLMTaxo: Leveraging Large Language Models for Constructing Taxonomy of Factual Claims from Social Media
• Title（参考訳）: LLMTaxo:ソーシャルメディアからの事実的クレームの分類構築のための大規模言語モデルの導入
• Authors: Haiqi Zhang, Zhengyuan Zhu, Zeyu Zhang, Chengkai Li,
• Abstract要約: 本稿では,ソーシャルメディアからの事実主張の自動分類構築のための新しいフレームワークであるLLMTaxoを紹介する。 3つの異なるデータセットの異なるモデルでこのフレームワークを実装し、特別に設計された分類評価指標を導入する。 人的評価とGPT-4の評価から,LLMTaxoはソーシャルメディアからの事実的主張を効果的に分類できることが示唆された。
• 参考スコア（独自算出の注目度）: 4.808928577524327
• License:
• Abstract: With the vast expansion of content on social media platforms, analyzing and comprehending online discourse has become increasingly complex. This paper introduces LLMTaxo, a novel framework leveraging large language models for the automated construction of taxonomy of factual claims from social media by generating topics from multi-level granularities. This approach aids stakeholders in more effectively navigating the social media landscapes. We implement this framework with different models across three distinct datasets and introduce specially designed taxonomy evaluation metrics for a comprehensive assessment. With the evaluations from both human evaluators and GPT-4, the results indicate that LLMTaxo effectively categorizes factual claims from social media, and reveals that certain models perform better on specific datasets.
• Abstract（参考訳）: ソーシャルメディアプラットフォーム上のコンテンツが大幅に拡大するにつれ、オンライン談話の分析と理解がますます複雑化している。 本稿では,多段階の粒度からトピックを生成することで,ソーシャルメディアから事実主張の分類を自動構築する上で,大規模言語モデルを活用した新しいフレームワークであるLLMTaxoを紹介する。 このアプローチは、ステークホルダーがソーシャルメディアの景観をより効果的にナビゲートするのに役立ちます。 3つの異なるデータセットの異なるモデルでこのフレームワークを実装し、包括的評価のために特別に設計された分類評価指標を導入する。 人的評価とGPT-4の評価から, LLMTaxoはソーシャルメディアの事実的主張を効果的に分類し, 特定のデータセットにおいて, 特定のモデルの性能が向上していることが示唆された。

関連論文リスト

• Graph Foundation Models for Recommendation: A Comprehensive Survey [55.70529188101446]
  大規模言語モデル(LLM)は自然言語を処理し、理解するために設計されており、どちらも非常に効果的で広く採用されている。 最近の研究はグラフ基礎モデル(GFM)に焦点を当てている。 GFM は GNN と LLM の強みを統合し,複雑な RS 問題をより効率的にモデル化する。
  論文  参考訳（メタデータ） (2025-02-12T12:13:51Z)
• Bridging the Evaluation Gap: Leveraging Large Language Models for Topic Model Evaluation [0.0]
  本研究では,Large Language Models (LLMs) を用いた科学文献における動的に進化するトピックの自動評価のための枠組みを提案する。 提案手法は,専門家のアノテータや狭義の統計指標に大きく依存することなく,コヒーレンス,反復性,多様性,トピック文書のアライメントといった重要な品質次元を測定するためにLLMを利用する。
  論文  参考訳（メタデータ） (2025-02-11T08:23:56Z)
• Personalized Multimodal Large Language Models: A Survey [127.9521218125761]
  マルチモーダル大言語モデル(MLLM)は、最先端の性能と複数のデータモダリティを統合する能力により、ますます重要になっている。 本稿では,パーソナライズされたマルチモーダルな大規模言語モデルに関する包括的調査を行い,そのアーキテクチャ,トレーニング方法,アプリケーションに焦点をあてる。
  論文  参考訳（メタデータ） (2024-12-03T03:59:03Z)
• A Survey of Small Language Models [104.80308007044634]
  小言語モデル (SLM) は, 計算資源の最小化による言語タスクの効率化と性能の向上により, ますます重要になってきている。 本稿では,SLMのアーキテクチャ,トレーニング技術,モデル圧縮技術に着目した総合的な調査を行う。
  論文  参考訳（メタデータ） (2024-10-25T23:52:28Z)
• Adversarial Multi-Agent Evaluation of Large Language Models through Iterative Debates [0.0]
  本稿では,対話エージェントのアンサンブル内で,大規模言語モデル(LLM)を提唱者として解釈するフレームワークを提案する。 このアプローチは、従来の人間ベースの評価や自動メトリクスと比較して、よりダイナミックで包括的な評価プロセスを提供します。
  論文  参考訳（メタデータ） (2024-10-07T00:22:07Z)
• Towards Realistic Synthetic User-Generated Content: A Scaffolding Approach to Generating Online Discussions [17.96479268328824]
  ユーザ生成コンテンツの現実的で大規模な合成データセット作成の実現可能性について検討する。 本稿では,議論スレッドのコンパクトな表現のアイデアに基づく多段階生成プロセスを提案する。
  論文  参考訳（メタデータ） (2024-08-15T18:43:50Z)
• Analysis of Multidomain Abstractive Summarization Using Salience Allocation [2.6880540371111445]
  季節は、塩分割り当て技術を活用して要約を強化するために設計されたモデルである。 本稿では、ROUGE、METEOR、BERTScore、MoverScoreなどの様々な評価指標を用いて、抽象的な要約を生成するために微調整されたモデルの性能を評価する。
  論文  参考訳（メタデータ） (2024-02-19T08:52:12Z)
• Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
  我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。 提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。 多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
  論文  参考訳（メタデータ） (2024-01-28T08:56:49Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive Summarization with Argument Mining [61.82562838486632]
  我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。 我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
  論文  参考訳（メタデータ） (2021-06-01T22:17:13Z)

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。