論文の概要: Detecting Narrative Shifts through Persistent Structures: A Topological Analysis of Media Discourse

• arxiv url: http://arxiv.org/abs/2506.14836v1
• Date: Sat, 14 Jun 2025 21:02:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.419897
• Title: Detecting Narrative Shifts through Persistent Structures: A Topological Analysis of Media Discourse
• Title（参考訳）: 永続構造による物語的変化の検出:メディア談話のトポロジカル分析
• Authors: Mark M. Bailey, Mark I. Heiligman,
• Abstract要約: 本研究では,メディア物語の構造変化を永続的ホモロジーを用いて同定するためのトポロジ的枠組みを提案する。 進化する言説を追究するために,名詞句の日次共起グラフを構築した。 We compute Wasserstein distances and persistence entropies across homological dimensions to capture semantic disrupt。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: How can we detect when global events fundamentally reshape public discourse? This study introduces a topological framework for identifying structural change in media narratives using persistent homology. Drawing on international news articles surrounding major events - including the Russian invasion of Ukraine (Feb 2022), the murder of George Floyd (May 2020), the U.S. Capitol insurrection (Jan 2021), and the Hamas-led invasion of Israel (Oct 2023) - we construct daily co-occurrence graphs of noun phrases to trace evolving discourse. Each graph is embedded and transformed into a persistence diagram via a Vietoris-Rips filtration. We then compute Wasserstein distances and persistence entropies across homological dimensions to capture semantic disruption and narrative volatility over time. Our results show that major geopolitical and social events align with sharp spikes in both H0 (connected components) and H1 (loops), indicating sudden reorganization in narrative structure and coherence. Cross-correlation analyses reveal a typical lag pattern in which changes to component-level structure (H0) precede higher-order motif shifts (H1), suggesting a bottom-up cascade of semantic change. An exception occurs during the Russian invasion of Ukraine, where H1 entropy leads H0, possibly reflecting top-down narrative framing before local discourse adjusts. Persistence entropy further distinguishes tightly focused from diffuse narrative regimes. These findings demonstrate that persistent homology offers a mathematically principled, unsupervised method for detecting inflection points and directional shifts in public attention - without requiring prior knowledge of specific events. This topological approach advances computational social science by enabling real-time detection of semantic restructuring during crises, protests, and information shocks.
• Abstract（参考訳）: グローバルイベントが公衆の言論を根本的に変えるとき、どのように検出できるのか? 本研究では,メディア物語の構造変化を永続的ホモロジーを用いて同定するためのトポロジ的枠組みを提案する。 ロシアによるウクライナ侵攻(2022年2月)、ジョージ・フロイド(2020年5月)の殺害(2021年5月)、米国議会議事堂暴動(2021年5月)、ハマス主導によるイスラエル侵攻(2023年9月)など、主要な出来事を取り巻く国際ニュース記事について、我々は、名詞句の日次共起グラフを構築して、進化する言説を辿る。 各グラフは埋め込みされ、Vietoris-Ripsフィルタを介して永続化ダイアグラムに変換される。 次に、ホモロジー次元におけるワッサーシュタイン距離と持続エントロピーを計算し、時間とともに意味的破壊と物語的ボラティリティを捉える。 以上の結果から, H0(連結成分)とH1(ループ)の急激なスパイクと, 主要な地政学的・社会的な出来事が一致し, 物語構造と一貫性の急激な再編成が示唆された。 相互相関分析により,高次モチーフシフト (H1) に先行する成分レベル構造 (H0) の変化が,意味変化のボトムアップのケースを示唆する典型的なラグパターンが明らかとなった。 ロシアによるウクライナ侵攻では例外があり、H1エントロピーはH0を導く。 パーシステンス・エントロピーは、拡散した物語体制と密着した焦点を区別する。 これらの結果は、持続的ホモロジーが、特定の事象に関する事前の知識を必要とせず、数学的に原理化された、教師なしの方法で、公共の注目を集める点や方向の変化を検出することを示している。 このトポロジカルアプローチは、危機、抗議、情報ショック時の意味再構成のリアルタイム検出を可能にすることによって、計算社会科学を前進させる。

関連論文リスト

• Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
  我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。 次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
  論文  参考訳（メタデータ） (2025-06-06T10:07:21Z)
• The Harmonic Structure of Information Contours [54.38365999922221]
  我々は、英語、スペイン語、ドイツ語、オランダ語、バスク語、ブラジルポルトガル語のテキストで、周期的な情報レートのパターンが一貫した証拠を見出した。 多くの支配的な周波数は談話構造と一致しており、これらの振動は意味のある言語組織を反映していることを示唆している。
  論文  参考訳（メタデータ） (2025-06-04T12:56:30Z)
• A Reverse Causal Framework to Mitigate Spurious Correlations for Debiasing Scene Graph Generation [59.473751744275496]
  シーングラフ生成(SGG)フレームワークは通常、関係の特徴を抽出する検出器と、それらの関係を分類する分類器を備えている。 このような因果連鎖構造は、検出器の入力と最終的な予測の間に急激な相関をもたらす。 本稿では、因果連鎖構造を逆因果構造に再構築し、分類器の入力を共同創設者として扱うことを提案する。
  論文  参考訳（メタデータ） (2025-05-29T13:57:01Z)
• A Novel End-To-End Event Geolocation Method Leveraging Hyperbolic Space and Toponym Hierarchies [0.0]
  ソーシャルデータに基づくイベントのタイムリーな検出とロケーションは、危機対応やリソース割り当てといったアプリケーションにとって重要な情報を提供することができる。 本稿では,双曲空間とトポニム階層を利用した新しいエンドツーエンドイベント位置情報手法(GTOP)を提案する。
  論文  参考訳（メタデータ） (2024-12-14T15:43:58Z)
• A Late-Stage Bitemporal Feature Fusion Network for Semantic Change Detection [32.112311027857636]
  そこで本研究では,意味変化検出の課題に対処するため,新しい2段階の時間的特徴融合ネットワークを提案する。 具体的には,特徴融合を強化するため,局所的グローバルアテンショナルアグリゲーションモジュールを提案し,重要なセマンティクスを強調するために,局所的グローバルなコンテキスト拡張モジュールを提案する。 提案モデルにより,両データセットの最先端性能が向上する。
  論文  参考訳（メタデータ） (2024-06-15T16:02:10Z)
• AMCEN: An Attention Masking-based Contrastive Event Network for Two-stage Temporal Knowledge Graph Reasoning [29.68279984719722]
  時間的知識グラフ(TKG)は、現実世界の知識の進化する性質を効果的にモデル化することができ、その完全性と拡張は、既存の知識から新しい事象を推論することで達成できる。 しかし、推論精度はデータセットにおける新しいイベントと繰り返されるイベントの間に不均衡があるため、悪影響を及ぼす。 本研究では,今後の事象の2段階予測のために,局所的な時間的パターンを持つ注意マスキングに基づくコントラストイベントネットワーク(AMCEN)を提案する。
  論文  参考訳（メタデータ） (2024-05-16T01:39:50Z)
• Unsupervised Key Event Detection from Massive Text Corpora [42.31889135421941]
  本稿では,ニュースコーパスキーイベントから検出することを目的とした,中間レベルでのキーイベント検出という新たなタスクを提案する。 このタスクは、イベントの理解と構造化をブリッジすることができ、キーイベントのテーマと時間的近接性のために本質的に困難である。 我々は、新しいttf-itfスコアを用いて、時間的に頻繁なピークフレーズを抽出する、教師なしキーイベント検出フレームワークEvMineを開発した。
  論文  参考訳（メタデータ） (2022-06-08T20:31:02Z)
• Spatial-Temporal Sequential Hypergraph Network for Crime Prediction [56.41899180029119]
  本稿では,複合犯罪の時空間パターンを包括的に符号化する時空間逐次ハイパーグラフネットワーク(ST-SHN)を提案する。 特に、長距離及びグローバルなコンテキスト下での時空間力学を扱うために、グラフ構造化されたメッセージパッシングアーキテクチャを設計する。 提案するST-SHNフレームワークは予測性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-01-07T12:46:50Z)
• Path Signature Area-Based Causal Discovery in Coupled Time Series [0.0]
  本稿では,2変数間の符号付き領域の大きさの意義を解析するために,信頼度系列の応用を提案する。 このアプローチは、2つの時系列の間に存在する因果関係の信頼性を定義する新しい方法を提供する。
  論文  参考訳（メタデータ） (2021-10-23T19:57:22Z)
• An Empirical Study: Extensive Deep Temporal Point Process [61.14164208094238]
  本稿では,非同期イベントシーケンスを時間的プロセスでモデル化することの課題と最近の研究を概観する。 本稿では,多種類のイベント間の関係を生かしたGranger因果発見フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-19T10:15:00Z)
• CoSeg: Cognitively Inspired Unsupervised Generic Event Segmentation [118.18977078626776]
  イベントセグメンテーション/バウンダリ検出のためのエンドツーエンドの自己教師型学習フレームワークを提案する。 本フレームワークは, イベント境界を再構成誤差で検出するトランスフォーマーに基づく特徴再構成手法を利用する。 私たちの研究の目標は、特定のイベントをローカライズするのではなく、ジェネリックイベントをセグメント化することです。
  論文  参考訳（メタデータ） (2021-09-30T14:40:32Z)

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。