論文の概要: Emotion-aware Dual Cross-Attentive Neural Network with Label Fusion for Stance Detection in Misinformative Social Media Content

• arxiv url: http://arxiv.org/abs/2505.23812v1
• Date: Tue, 27 May 2025 15:38:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.527509
• Title: Emotion-aware Dual Cross-Attentive Neural Network with Label Fusion for Stance Detection in Misinformative Social Media Content
• Title（参考訳）: ラベル融合を併用した感情認識型2元交叉ニューラルネットワークによるソーシャルメディアコンテンツのステンス検出
• Authors: Lata Pangtey, Mohammad Zia Ur Rehman, Prasad Chaudhari, Shubhi Bansal, Nagendra Kumar,
• Abstract要約: 本稿では,textbfLabel-fused dual cross-textbfAttentive textbfEmotion-aware Neural textbfNetwork による textbfStance textbfPrediction の新しい手法を提案する。 提案手法は,2つの相互関連機構と階層型アテンションネットワークを用いて,相互関係と相互関係を捕捉する。
• 参考スコア（独自算出の注目度）: 0.37865171120254354
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid evolution of social media has generated an overwhelming volume of user-generated content, conveying implicit opinions and contributing to the spread of misinformation. The method aims to enhance the detection of stance where misinformation can polarize user opinions. Stance detection has emerged as a crucial approach to effectively analyze underlying biases in shared information and combating misinformation. This paper proposes a novel method for \textbf{S}tance \textbf{P}rediction through a \textbf{L}abel-fused dual cross-\textbf{A}ttentive \textbf{E}motion-aware neural \textbf{Net}work (SPLAENet) in misinformative social media user-generated content. The proposed method employs a dual cross-attention mechanism and a hierarchical attention network to capture inter and intra-relationships by focusing on the relevant parts of source text in the context of reply text and vice versa. We incorporate emotions to effectively distinguish between different stance categories by leveraging the emotional alignment or divergence between the texts. We also employ label fusion that uses distance-metric learning to align extracted features with stance labels, improving the method's ability to accurately distinguish between stances. Extensive experiments demonstrate the significant improvements achieved by SPLAENet over existing state-of-the-art methods. SPLAENet demonstrates an average gain of 8.92\% in accuracy and 17.36\% in F1-score on the RumourEval dataset. On the SemEval dataset, it achieves average gains of 7.02\% in accuracy and 10.92\% in F1-score. On the P-stance dataset, it demonstrates average gains of 10.03\% in accuracy and 11.18\% in F1-score. These results validate the effectiveness of the proposed method for stance detection in the context of misinformative social media content.
• Abstract（参考訳）: ソーシャルメディアの急速な進化は、圧倒的な量のユーザー生成コンテンツを生み出し、暗黙の意見を伝え、誤情報の普及に寄与している。 本手法は,誤情報によるユーザの意見の分極が可能な姿勢の検出を強化することを目的としている。 スタンス検出は、共有情報のバイアスを効果的に分析し、誤情報と戦うための重要なアプローチとして現れている。 本稿では, ソーシャルメディアのユーザ生成コンテンツにおいて, テキストbf{S}tance \textbf{L}abel-fused dual cross-\textbf{A}ttentive \textbf{E}motion-aware neural \textbf{Net}work (SPLAENet) による新しい手法を提案する。 提案手法では,2つの相互注意機構と階層型アテンションネットワークを用いて,応答テキストのコンテキストにおけるソーステキストの関連部分に着目し,相互関係と相互関係を捉える。 我々は感情を組み込んで、テキスト間の感情的アライメントや相違を利用して、異なるスタンスカテゴリを効果的に区別する。 また,距離測定学習を用いて抽出した特徴をスタントラベルと整合させ,スタントラベルを正確に識別する手法の能力を向上するラベル融合も導入した。 大規模な実験は、既存の最先端手法よりもSPLAENetによって達成された重要な改善を実証している。 SPLAENetは、RumourEvalデータセット上のF1スコアの平均的な増加率8.92\%と17.36\%を示している。 SemEvalデータセットでは、精度が7.02\%、F1スコアが10.92\%となる。 P-stanceデータセットでは、平均ゲインは10.03\%、F1スコアは11.18\%である。 提案手法の有効性を,誤表現型ソーシャルメディアコンテンツの文脈で検証した。

関連論文リスト

• SemiETS: Integrating Spatial and Content Consistencies for Semi-Supervised End-to-end Text Spotting [59.14029549151904]
  エンドツーエンドテキストスポッティング,すなわちSemiETSのための新しいセミ教師付きフレームワークを提案する。 具体的には、各タスクの信頼性の高い階層的な擬似ラベルを徐々に生成し、ノイズの多いラベルを減らす。 双方向の流れから位置や転写の重要な情報を抽出し、一貫性を向上させる。
  論文  参考訳（メタデータ） (2025-04-14T08:09:17Z)
• TDSM: Triplet Diffusion for Skeleton-Text Matching in Zero-Shot Action Recognition [25.341177384559174]
  ゼロショットスケルトンに基づくアクション認識では、見えないアクションを正確に予測するためには、スケルトン特徴とアクションラベルのテキスト特徴との整合が不可欠である。 本フレームワークは,スケルトン・テキストマッチング(TDSM)方式のトリプルト拡散として設計されており,スケルトンの特徴を逆拡散によるテキストプロンプトと整合させる。 識別力を高めるために,TDSMが不正確な3重項拡散(TD)損失を生じさせ,不正確な3重項拡散(TD)を推し進める。
  論文  参考訳（メタデータ） (2024-11-16T08:55:18Z)
• TextManiA: Enriching Visual Feature by Text-driven Manifold Augmentation [20.00366398989886]
  視覚的特徴空間を意味的に強化するテキスト駆動型多様体拡張法であるTextManiAを提案する。 TextManiAは、理解しやすい視覚的模倣語を活用することで、クラス内のセマンティック摂動で視覚データを増強する。 実験の結果,TextManiAはクラス不均衡や分布の少ないサンプルでは特に強力であることがわかった。
  論文  参考訳（メタデータ） (2023-07-27T03:56:39Z)
• Selective In-Context Data Augmentation for Intent Detection using Pointwise V-Information [100.03188187735624]
  PLMとPVI(pointwise V-information)に基づく新しい手法を導入し,モデル学習におけるデータポイントの有用性を計測する。 提案手法はまず,学習データの小さなシード上でPLMを微調整し,与えられた意図に対応する発話を新たに生成する。 そこで本手法は,大規模言語モデルの表現力を活用し,多様な学習データを生成する。
  論文  参考訳（メタデータ） (2023-02-10T07:37:49Z)
• Contextualized Semantic Distance between Highly Overlapped Texts [85.1541170468617]
  テキスト編集や意味的類似性評価といった自然言語処理タスクにおいて、ペア化されたテキストに重複が頻繁に発生する。 本稿では,マスク・アンド・予測戦略を用いてこの問題に対処することを目的とする。 本稿では,最も長い単語列の単語を隣接する単語とみなし,その位置の分布を予測するためにマスク付き言語モデリング(MLM)を用いる。 セマンティックテキスト類似性の実験では、NDDは様々な意味的差異、特に高い重なり合うペアテキストに対してより敏感であることが示されている。
  論文  参考訳（メタデータ） (2021-10-04T03:59:15Z)
• Learning Bias-Invariant Representation by Cross-Sample Mutual Information Minimization [77.8735802150511]
  対象タスクが誤用したバイアス情報を除去するために,クロスサンプル対逆脱バイアス法(CSAD)を提案する。 相関測定は, 対向的偏り評価において重要な役割を担い, クロスサンプル型相互情報推定器によって行われる。 我々は,提案手法の最先端手法に対する利点を検証するために,公開データセットの徹底的な実験を行った。
  論文  参考訳（メタデータ） (2021-08-11T21:17:02Z)
• Adaptive Interaction Fusion Networks for Fake News Detection [12.459707991466168]
  本稿では,偽ニュース検出機能間の相互干渉融合を実現するために,AIFN(Adaptive Interaction Fusion Networks)を提案する。 特徴関連性を確立するために,意味レベル融合自己注意ネットワーク(SFSN)を考案した。 実世界の2つのデータセットであるRumourEvalとPHEMEの実験では、AIFNが最先端のパフォーマンスを達成し、それぞれ2.05%以上と1.90%以上の精度を向上することを示した。
  論文  参考訳（メタデータ） (2020-04-21T13:51:03Z)
• Towards Accurate Scene Text Recognition with Semantic Reasoning Networks [52.86058031919856]
  本稿では,シーンテキスト認識のための意味推論ネットワーク(SRN)という,エンドツーエンドのトレーニング可能な新しいフレームワークを提案する。 GSRMはマルチウェイ並列伝送によってグローバルセマンティックコンテキストをキャプチャするために導入された。 正規テキスト,不規則テキスト,非ラテン語長文を含む7つの公開ベンチマークの結果,提案手法の有効性とロバスト性を検証した。
  論文  参考訳（メタデータ） (2020-03-27T09:19:25Z)

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。