論文の概要: Can AI automatically analyze public opinion? A LLM agents-based agentic pipeline for timely public opinion analysis
- arxiv url: http://arxiv.org/abs/2505.11401v1
- Date: Fri, 16 May 2025 16:09:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-19 14:36:15.569366
- Title: Can AI automatically analyze public opinion? A LLM agents-based agentic pipeline for timely public opinion analysis
- Title（参考訳）: AIは世論を自動的に分析できるか? タイムリーな世論分析のためのLLMエージェントベースのエージェントパイプライン
- Authors: Jing Liu, Xinxing Ren, Yanmeng Xu, Zekun Guo,
- Abstract要約: 本研究では,マルチタスク公開世論分析のための LLM エージェントベースエージェントパイプラインの提案と実装を行う。
従来の方法とは異なり、ドメイン固有のトレーニングデータを必要とせずに、エンドツーエンドで完全に自動化された分析ワークフローを提供する。
単一の自然言語クエリを通じて、タイムリーで統合された公開世論分析を可能にする。
- 参考スコア（独自算出の注目度）: 3.1894345568992346
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This study proposes and implements the first LLM agents based agentic pipeline for multi task public opinion analysis. Unlike traditional methods, it offers an end-to-end, fully automated analytical workflow without requiring domain specific training data, manual annotation, or local deployment. The pipeline integrates advanced LLM capabilities into a low-cost, user-friendly framework suitable for resource constrained environments. It enables timely, integrated public opinion analysis through a single natural language query, making it accessible to non-expert users. To validate its effectiveness, the pipeline was applied to a real world case study of the 2025 U.S. China tariff dispute, where it analyzed 1,572 Weibo posts and generated a structured, multi part analytical report. The results demonstrate some relationships between public opinion and governmental decision-making. These contributions represent a novel advancement in applying generative AI to public governance, bridging the gap between technical sophistication and practical usability in public opinion monitoring.
- Abstract（参考訳）: 本研究では,マルチタスク公開世論分析のための LLM エージェントベースエージェントパイプラインの提案と実装を行う。
従来の方法とは異なり、ドメイン固有のトレーニングデータや手動アノテーション、ローカルデプロイメントを必要とせずに、エンドツーエンドで完全に自動化された分析ワークフローを提供する。
このパイプラインは、高度なLCM機能をリソース制約のある環境に適した低コストでユーザフレンドリなフレームワークに統合する。
単一の自然言語クエリを通じて、タイムリーで統合された公開世論分析を可能にし、専門家でないユーザにもアクセスできるようにする。
このパイプラインの有効性を検証するため、パイプラインは2025年の中国関税論争の実例調査に応用され、1,572件のWeiboポストを分析し、構造化された多部分析レポートを作成した。
その結果、世論と政府の意思決定との関係が示された。
これらの貢献は、世論監視における技術的洗練と実践的ユーザビリティのギャップを埋める、創造的なAIを公共のガバナンスに適用する新たな進歩を表している。
関連論文リスト
- Audit, Alignment, and Optimization of LM-Powered Subroutines with Application to Public Comment Processing [2.0417058495510374]
本稿では,従来の非同期コードで使用するために,LMを用いたサブルーチンを宣言するフレームワークを提案する。
我々は,環境レビューを必要とするプロジェクトに対して提出されたパブリックコメントのコーパスをコンパイルし,整理し,要約するアプリケーションであるCommentNEPAを開発するために,このフレームワークを使用する。
論文 参考訳（メタデータ） (2025-07-10T18:52:09Z) - ThinkGeo: Evaluating Tool-Augmented Agents for Remote Sensing Tasks [54.52092001110694]
ThinkGeoは、構造化ツールの使用とマルチステップ計画を通じて、リモートセンシングタスクにおけるツール拡張エージェントを評価するために設計されたベンチマークである。
ThinkGeoは、ツール-インタラクションのパラダイムにインスパイアされたもので、さまざまな現実世界のアプリケーションにまたがる人間のクエリを含んでいる。
分析の結果、ツールの精度とモデル間の計画整合性に顕著な相違が明らかになった。
論文 参考訳（メタデータ） (2025-05-29T17:59:38Z) - Real-Time Sentiment Insights from X Using VADER, DistilBERT, and Web-Scraped Data [0.0]
本稿では企業評価モニタリングに適した総合的な感情分析システムを提案する。
自然言語処理(NLP)と機械学習技術を組み合わせて、世論をリアルタイムで正確に解釈する。
私たちの分析では、Amazon (81.2) やSamsung (45.8) のような企業が優れた感情スコアを受け取っており、Microsoft (21.7) とWalmart (21.9) は低い感情プロファイルを示している。
論文 参考訳（メタデータ） (2025-04-21T21:33:55Z) - LLM-Generated Heuristics for AI Planning: Do We Even Need Domain-Independence Anymore? [87.71321254733384]
大規模言語モデル(LLM)は、特定の計画問題に適した計画手法を生成することができる。
LLMは、いくつかの標準IPCドメインで最先端のパフォーマンスを達成することができる。
これらの結果がパラダイムシフトを意味するのか、既存の計画手法をどのように補完するかについて議論する。
論文 参考訳（メタデータ） (2025-01-30T22:21:12Z) - Transit Pulse: Utilizing Social Media as a Source for Customer Feedback and Information Extraction with Large Language Model [12.6020349733674]
本稿では,交通関連情報を抽出し,分析するための新しい手法を提案する。
提案手法では,Large Language Models (LLM) ,特にLlama 3を合理化解析に用いている。
以上の結果から,公共交通機関におけるソーシャルメディアデータ分析を変革するLLMの可能性が示された。
論文 参考訳（メタデータ） (2024-10-19T07:08:40Z) - Privacy Policy Analysis through Prompt Engineering for LLMs [3.059256166047627]
PAPEL (Privacy Policy Analysis through Prompt Engineering for LLMs) は、Large Language Models (LLMs) の力を利用してプライバシーポリシーの分析を自動化するフレームワークである。
これらのポリシーからの情報の抽出、アノテーション、要約を合理化し、追加のモデルトレーニングを必要とせず、アクセシビリティと理解性を高めることを目的としている。
PAPELの有効性を, (i) アノテーションと (ii) 矛盾解析の2つの応用で実証した。
論文 参考訳（メタデータ） (2024-09-23T10:23:31Z) - Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。
提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
論文 参考訳（メタデータ） (2024-08-07T08:43:32Z) - WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks [85.95607119635102]
大型言語モデル(LLM)は人間のような知性を模倣することができる。
WorkArena++は、Webエージェントの計画、問題解決、論理的/論理的推論、検索、コンテキスト的理解能力を評価するように設計されている。
論文 参考訳（メタデータ） (2024-07-07T07:15:49Z) - Sentiment Analysis through LLM Negotiations [58.67939611291001]
感情分析の標準的なパラダイムは、単一のLCMに依存して、その決定を1ラウンドで行うことである。
本稿では,感情分析のためのマルチLLMネゴシエーションフレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-03T12:35:29Z) - A Survey on Large Language Model based Autonomous Agents [105.2509166861984]
大規模言語モデル(LLM)は、人間レベルの知性を達成する上で、顕著な可能性を示している。
本稿では,LLMに基づく自律エージェントの分野を総合的な観点から体系的に検討する。
本稿では、社会科学、自然科学、工学の分野におけるLLMベースの自律エージェントの多様な応用について概観する。
論文 参考訳（メタデータ） (2023-08-22T13:30:37Z) - Paradigm Shift in Sustainability Disclosure Analysis: Empowering
Stakeholders with CHATREPORT, a Language Model-Based Tool [10.653984116770234]
本稿では,企業サステナビリティレポートの分析を自動化するために,専門知識を持つ大規模言語モデル(LLM)を強化する新たなアプローチを提案する。
当社はCHATREPORTを認定し、企業における気候変動リスクの開示を評価するための第1のユースケースに適用する。
論文 参考訳（メタデータ） (2023-06-27T14:46:47Z)
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。