論文の概要: Semantic-based Unsupervised Framing Analysis (SUFA): A Novel Approach for Computational Framing Analysis
- arxiv url: http://arxiv.org/abs/2505.15563v1
- Date: Wed, 21 May 2025 14:19:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-22 15:42:59.693052
- Title: Semantic-based Unsupervised Framing Analysis (SUFA): A Novel Approach for Computational Framing Analysis
- Title（参考訳）: 意味に基づく教師なしフラーミング分析(SUFA):計算的フラーミング解析の新しいアプローチ
- Authors: Mohammad Ali, Naeemul Hassan,
- Abstract要約: 本研究はセマンティック・リレーショナル・ベース・アントラクショナル・フレーミング・アナリシス(SUFA)と呼ばれる計算フレーミング・アナリシスに対する新しいアプローチを提案する。
SUFAは、セマンティックリレーションと依存性解析アルゴリズムを利用して、ニュースメディアレポートにおいてエンティティ中心の強調フレームを特定し評価する。
- 参考スコア（独自算出の注目度）: 1.7878880883737438
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This research presents a novel approach to computational framing analysis, called Semantic Relations-based Unsupervised Framing Analysis (SUFA). SUFA leverages semantic relations and dependency parsing algorithms to identify and assess entity-centric emphasis frames in news media reports. This innovative method is derived from two studies -- qualitative and computational -- using a dataset related to gun violence, demonstrating its potential for analyzing entity-centric emphasis frames. This article discusses SUFA's strengths, limitations, and application procedures. Overall, the SUFA approach offers a significant methodological advancement in computational framing analysis, with its broad applicability across both the social sciences and computational domains.
- Abstract（参考訳）: 本研究はセマンティック・リレーショナル・ベース・アントラクショナル・フレーミング・アナリシス(SUFA)と呼ばれる計算フレーミング・アナリシスに対する新しいアプローチを提案する。
SUFAは、セマンティックリレーションと依存性解析アルゴリズムを利用して、ニュースメディアレポートにおいてエンティティ中心の強調フレームを特定し評価する。
この革新的な方法は、銃暴力に関連するデータセットを使用して、定性的および計算的な2つの研究から派生し、エンティティ中心の強調フレームを分析する可能性を示している。
本稿では、SUFAの強み、制限、および適用手順について論じる。
全体として、SUFAアプローチは計算フレーミング分析において重要な方法論的進歩をもたらし、社会科学と計算領域の両方に適用可能である。
関連論文リスト
- Learning to Align Multi-Faceted Evaluation: A Unified and Robust Framework [61.38174427966444]
大規模言語モデル(LLM)は、様々なシナリオにおける自動評価のために、より広く使われている。
従来の研究では、強力なプロプライエタリモデルの評価と判断を再現するために、オープンソースのLLMを微調整しようと試みてきた。
本稿では,評価基準を適応的に定式化し,テキストベースとコード駆動分析の両方を合成する新しい評価フレームワークARJudgeを提案する。
論文 参考訳（メタデータ） (2025-02-26T06:31:45Z) - QuaLLM: An LLM-based Framework to Extract Quantitative Insights from Online Forums [10.684484559041284]
本研究は,オンラインフォーラム上でテキストデータから量的洞察を分析し,抽出する新しいフレームワークであるQuaLLMを紹介する。
このフレームワークを適用して、Redditの2つのライドシェアワーカーコミュニティからの100万以上のコメントを分析しました。
AIとアルゴリズムのプラットフォーム決定に関する重要な労働者の懸念を明らかにし、労働者の洞察に関する規制の要求に応えました。
論文 参考訳（メタデータ） (2024-05-08T18:20:03Z) - Cross-domain Chinese Sentence Pattern Parsing [67.1381983012038]
文パターン構造解析(SPS)は、主に言語教育に使用される構文解析法である。
既存のSPSは教科書のコーパスに大きく依存しており、クロスドメイン機能に欠ける。
本稿では,大規模言語モデル(LLM)を自己学習フレームワーク内で活用する革新的な手法を提案する。
論文 参考訳（メタデータ） (2024-02-26T05:30:48Z) - Key Design Choices in Source-Free Unsupervised Domain Adaptation: An
In-depth Empirical Analysis [16.0130560365211]
本研究では、画像分類におけるSF-UDA(Source-Free Unsupervised Domain Adaptation)のベンチマークフレームワークを提供する。
この研究は、さまざまなSF-UDAテクニックを実証的に検証し、データセット間の一貫性を評価する。
トレーニング済みのデータセットと戦略を徹底的に評価し、特に教師付きおよび自己監督型の手法に重点を置いている。
論文 参考訳（メタデータ） (2024-02-25T13:37:36Z) - BIDRN: A Method of Bidirectional Recurrent Neural Network for Sentiment
Analysis [0.0]
この研究では、感情分析にディープバイオリエント・リカレント・ニューラル・ニューラルネットワークが用いられている。
このデータセットは、公平な意見の抽出が可能な感情分析モデルのトレーニングと評価に使用することができる。
論文 参考訳（メタデータ） (2023-11-13T12:36:53Z) - Architectures of Meaning, A Systematic Corpus Analysis of NLP Systems [0.0]
このフレームワークはSemevalタスクの完全なコーパスで検証されている。
これは、大部分が動的で指数関数的に成長する場を解釈する体系的なメカニズムを提供する。
論文 参考訳（メタデータ） (2021-07-16T21:10:43Z) - f-Domain-Adversarial Learning: Theory and Algorithms [82.97698406515667]
教師なしのドメイン適応は、トレーニング中、ターゲットドメイン内のラベルなしデータにアクセス可能な、多くの機械学習アプリケーションで使用されている。
領域適応のための新しい一般化法を導出し、f-発散体の変分的特徴に基づく分布間の相違性の新しい尺度を利用する。
論文 参考訳（メタデータ） (2021-06-21T18:21:09Z)
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。