論文の概要: Large Language Models Meet Stance Detection: A Survey of Tasks, Methods, Applications, Challenges and Future Directions

• arxiv url: http://arxiv.org/abs/2505.08464v1
• Date: Tue, 13 May 2025 11:47:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.541901
• Title: Large Language Models Meet Stance Detection: A Survey of Tasks, Methods, Applications, Challenges and Future Directions
• Title（参考訳）: スタンス検出を伴う大規模言語モデル:タスク,メソッド,アプリケーション,課題,今後の方向性に関する調査
• Authors: Lata Pangtey, Anukriti Bhatnagar, Shubhi Bansal, Shahid Shafi Dar, Nagendra Kumar,
• Abstract要約: スタンス検出は、ソーシャルメディア、ニュース記事、オンラインレビューなど、さまざまなプラットフォームにわたる主観的コンテンツを理解するために不可欠である。 大規模言語モデル(LLM)の最近の進歩は、新しい能力を導入して姿勢検出に革命をもたらした。 本稿では3つの重要な側面に沿って構築されたLCMに基づく姿勢検出手法について,新しい分類法を提案する。 スタンス検出、政治分析、公衆衛生モニタリング、ソーシャルメディアのモデレーションにおける主要な応用について論じる。
• 参考スコア（独自算出の注目度）: 0.37865171120254354
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Stance detection is essential for understanding subjective content across various platforms such as social media, news articles, and online reviews. Recent advances in Large Language Models (LLMs) have revolutionized stance detection by introducing novel capabilities in contextual understanding, cross-domain generalization, and multimodal analysis. Despite these progressions, existing surveys often lack comprehensive coverage of approaches that specifically leverage LLMs for stance detection. To bridge this critical gap, our review article conducts a systematic analysis of stance detection, comprehensively examining recent advancements of LLMs transforming the field, including foundational concepts, methodologies, datasets, applications, and emerging challenges. We present a novel taxonomy for LLM-based stance detection approaches, structured along three key dimensions: 1) learning methods, including supervised, unsupervised, few-shot, and zero-shot; 2) data modalities, such as unimodal, multimodal, and hybrid; and 3) target relationships, encompassing in-target, cross-target, and multi-target scenarios. Furthermore, we discuss the evaluation techniques and analyze benchmark datasets and performance trends, highlighting the strengths and limitations of different architectures. Key applications in misinformation detection, political analysis, public health monitoring, and social media moderation are discussed. Finally, we identify critical challenges such as implicit stance expression, cultural biases, and computational constraints, while outlining promising future directions, including explainable stance reasoning, low-resource adaptation, and real-time deployment frameworks. Our survey highlights emerging trends, open challenges, and future directions to guide researchers and practitioners in developing next-generation stance detection systems powered by large language models.
• Abstract（参考訳）: スタンス検出は、ソーシャルメディア、ニュース記事、オンラインレビューなど、さまざまなプラットフォームにわたる主観的コンテンツを理解するために不可欠である。 大規模言語モデル(LLM)の最近の進歩は、文脈理解、クロスドメインの一般化、マルチモーダル分析における新しい能力を導入して、スタンス検出に革命をもたらした。 これらの進歩にもかかわらず、既存の調査では、LCMをスタンス検出に特に活用するアプローチの包括的カバレッジが欠如していることが多い。 この重要なギャップを埋めるために、本稿では、基礎概念、方法論、データセット、アプリケーション、新興課題を含む分野を変革するLSMの最近の進歩を包括的に検証し、姿勢検出の体系的分析を行う。 3つの重要な側面に沿って構成されたLCMに基づく姿勢検出手法のための新しい分類法を提案する。 1) 教師なし,教師なし,少数ショット,ゼロショットを含む学習方法 2 ユニモーダル、マルチモーダル、ハイブリッド等のデータモダリティ 3) ターゲット内、クロスターゲット、マルチターゲットシナリオを含むターゲット関係。 さらに、評価手法について議論し、ベンチマークデータセットとパフォーマンストレンドを分析し、異なるアーキテクチャの長所と短所を強調した。 誤情報検出、政治分析、公衆衛生モニタリング、ソーシャルメディアのモデレーションにおける主要な応用について論じる。 最後に、暗黙の姿勢表現、文化バイアス、計算制約などの重要な課題を特定し、説明可能な姿勢推論、低リソース適応、リアルタイムデプロイメントフレームワークを含む将来的な方向性を概説する。 本稿では,大規模言語モデルを用いた次世代姿勢検出システムの開発において,研究者や実践者を支援するための新たなトレンド,オープン課題,今後の方向性について紹介する。

関連論文リスト

• LLMs in Software Security: A Survey of Vulnerability Detection Techniques and Insights [12.424610893030353]
  大規模言語モデル(LLM)は、ソフトウェア脆弱性検出のためのトランスフォーメーションツールとして登場している。 本稿では,脆弱性検出におけるLSMの詳細な調査を行う。 言語間の脆弱性検出、マルチモーダルデータ統合、リポジトリレベルの分析といった課題に対処する。
  論文  参考訳（メタデータ） (2025-02-10T21:33:38Z)
• 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)
• Cross-Target Stance Detection: A Survey of Techniques, Datasets, and Challenges [7.242609314791262]
  クロスターゲットスタンス検出(クロスターゲットスタンス検出)は、テキストで表現された視点を所定のターゲットに向けて決定するタスクである。 オンラインの視点や意見の分析やマイニングの必要性が高まる中、このタスクは近年大きな関心を集めている。 本総説では,過去10年間の目標間姿勢検出の進歩について検討する。
  論文  参考訳（メタデータ） (2024-09-20T15:49:14Z)
• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• Recent Advances in Hate Speech Moderation: Multimodality and the Role of Large Models [52.24001776263608]
  この包括的調査は、HSモデレーションの最近の歩みを掘り下げている。 大型言語モデル(LLM)と大規模マルチモーダルモデル(LMM)の急成長する役割を強調した。 研究における既存のギャップを、特に表現不足言語や文化の文脈で特定する。
  論文  参考訳（メタデータ） (2024-01-30T03:51:44Z)

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。