論文の概要: Explainable Detection of Implicit Influential Patterns in Conversations via Data Augmentation

• arxiv url: http://arxiv.org/abs/2506.14211v1
• Date: Tue, 17 Jun 2025 06:00:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.351562
• Title: Explainable Detection of Implicit Influential Patterns in Conversations via Data Augmentation
• Title（参考訳）: データ拡張による会話における意図しないインフルエンシャルパターンの説明可能な検出
• Authors: Sina Abdidizaji, Md Kowsher, Niloofar Yousefi, Ivan Garibay,
• Abstract要約: 悪意あるアクターは、会話に埋め込まれた暗黙の影響力のある言語パターンを活用する方向に移行してきた。 本稿では、このような暗黙的な影響パターンを検出するための改善されたアプローチを提案する。 その結果,会話における暗黙的な影響パターンの検出が6%改善した。
• 参考スコア（独自算出の注目度）: 0.5049812996253858
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the era of digitalization, as individuals increasingly rely on digital platforms for communication and news consumption, various actors employ linguistic strategies to influence public perception. While models have become proficient at detecting explicit patterns, which typically appear in texts as single remarks referred to as utterances, such as social media posts, malicious actors have shifted toward utilizing implicit influential verbal patterns embedded within conversations. These verbal patterns aim to mentally penetrate the victim's mind in order to influence them, enabling the actor to obtain the desired information through implicit means. This paper presents an improved approach for detecting such implicit influential patterns. Furthermore, the proposed model is capable of identifying the specific locations of these influential elements within a conversation. To achieve this, the existing dataset was augmented using the reasoning capabilities of state-of-the-art language models. Our designed framework resulted in a 6% improvement in the detection of implicit influential patterns in conversations. Moreover, this approach improved the multi-label classification tasks related to both the techniques used for influence and the vulnerability of victims by 33% and 43%, respectively.
• Abstract（参考訳）: デジタル化の時代、個人はコミュニケーションやニュース消費のデジタルプラットフォームにますます依存するようになり、様々なアクターが大衆の認識に影響を与えるために言語戦略を採用している。 モデルが明示的なパターンの検出に長けている一方で、ソーシャルメディア投稿のような単一発言としてテキストに現れるのが一般的であるが、悪意のあるアクターは会話に埋め込まれた暗黙的な影響力のある言語パターンを活用する傾向にある。 これらの言葉のパターンは、被害者の心を精神的に浸透させ、それらに影響を与えることを目的としており、アクターは暗黙の手段によって望ましい情報を得ることができる。 本稿では、このような暗黙的な影響パターンを検出するための改善されたアプローチを提案する。 さらに,提案モデルでは,会話中のこれらの影響力のある要素の特定の位置を特定することができる。 これを実現するために、既存のデータセットは最先端の言語モデルの推論機能を使用して拡張された。 その結果,会話における暗黙的な影響パターンの検出が6%改善した。 さらに, この手法により, 被害の危険性を33%, 43%改善した。

関連論文リスト

• Enhancing Metaphor Detection through Soft Labels and Target Word Prediction [3.7676096626244986]
  メタファ検出に特化して設計された即時学習フレームワークを開発した。 また,有意義なソフトラベルを生成する教師モデルも導入する。 実験により,本モデルが最先端の性能を達成したことを示す。
  論文  参考訳（メタデータ） (2024-03-27T04:51:42Z)
• MetaHate: A Dataset for Unifying Efforts on Hate Speech Detection [2.433983268807517]
  ヘイトスピーチは、標的となる個人やコミュニティに対して、社会的、心理的、時には身体的脅威を生じさせる。 この現象に対処するための現在の計算言語学的アプローチは、トレーニングのためのラベル付きソーシャルメディアデータセットに依存している。 我々は60以上のデータセットを精査し、その関連するものをMetaHateに選択的に統合しました。 我々の発見は、既存のデータセットのより深い理解に寄与し、より堅牢で適応可能なモデルをトレーニングするための道を開いた。
  論文  参考訳（メタデータ） (2024-01-12T11:54:53Z)
• Paralinguistics-Enhanced Large Language Modeling of Spoken Dialogue [71.15186328127409]
  パラリンGPT(Paralin GPT) モデルは、シリアライズされたマルチタスクフレームワーク内の入力プロンプトとして、テキスト、音声埋め込み、およびパラ言語属性の会話コンテキストを取る。 音声対話データセットとして,感情ラベルをパラ言語属性として含むSwitchboard-1コーパスを利用する。
  論文  参考訳（メタデータ） (2023-12-23T18:14:56Z)
• Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
  隠れ変数分離に基づく動的因果解離モデルを提案する。 このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。 具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
  論文  参考訳（メタデータ） (2023-09-13T12:58:09Z)
• Hate Speech and Offensive Language Detection using an Emotion-aware Shared Encoder [1.8734449181723825]
  ヘイトスピーチと攻撃的言語検出に関する既存の研究は、事前学習されたトランスフォーマーモデルに基づいて有望な結果をもたらす。 本稿では,他コーパスから抽出した外的感情特徴を組み合わせたマルチタスク共同学習手法を提案する。 以上の結果から,感情的な知識が,データセット間のヘイトスピーチや攻撃的言語をより確実に識別する上で有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-02-17T09:31:06Z)
• CausalDialogue: Modeling Utterance-level Causality in Conversations [83.03604651485327]
  クラウドソーシングを通じて、CausalDialogueという新しいデータセットをコンパイルし、拡張しました。 このデータセットは、有向非巡回グラフ(DAG)構造内に複数の因果効果対を含む。 ニューラル会話モデルの訓練における発話レベルにおける因果性の影響を高めるために,Exponential Average Treatment Effect (ExMATE) と呼ばれる因果性強化手法を提案する。
  論文  参考訳（メタデータ） (2022-12-20T18:31:50Z)
• Color Overmodification Emerges from Data-Driven Learning and Pragmatic Reasoning [53.088796874029974]
  話者の指示表現は、実践的な言語使用の性質を照らし出すのに役立つ方法で、コミュニケーションイデアルから逸脱していることを示す。 ニューラルネットワークを学習エージェントとして採用することにより、過度な修正は、頻度の低い、あるいは正常な環境特性に結びつく可能性が高いことを示す。
  論文  参考訳（メタデータ） (2022-05-18T18:42:43Z)
• M2R2: Missing-Modality Robust emotion Recognition framework with iterative data augmentation [6.962213869946514]
  学習された共通表現による反復的データ拡張で感情認識モデルを訓練するミス・モダリティ・ロバスト感情認識(M2R2)を提案する。 Party Attentive Network (PANet)は、すべての話者の状態と状況を追跡する感情を分類するために設計された。
  論文  参考訳（メタデータ） (2022-05-05T09:16:31Z)
• On the Effects of Knowledge-Augmented Data in Word Embeddings [0.6749750044497732]
  単語埋め込み学習のためのデータ拡張による言語知識注入のための新しい手法を提案する。 提案手法は,学習した埋め込みの本質的な特性を向上すると同時に,下流テキスト分類タスクにおける結果の大幅な変更は行わない。
  論文  参考訳（メタデータ） (2020-10-05T02:14:13Z)
• Explaining Black Box Predictions and Unveiling Data Artifacts through Influence Functions [55.660255727031725]
  影響関数は、影響力のあるトレーニング例を特定することによって、モデルの判断を説明する。 本稿では,代表課題における影響関数と共通単語順応法の比較を行う。 我々は,学習データ中の成果物を明らかにすることができる影響関数に基づく新しい尺度を開発した。
  論文  参考訳（メタデータ） (2020-05-14T00:45:23Z)

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。