論文の概要: Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis

• arxiv url: http://arxiv.org/abs/2510.15125v1
• Date: Thu, 16 Oct 2025 20:30:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.385609
• Title: Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis
• Title（参考訳）: 遅延トピック合成:LLMのエレクトロラル広告解析への応用
• Authors: Alexander Brady, Tunazzina Islam,
• Abstract要約: ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。 われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。 提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
• 参考スコア（独自算出の注目度）: 51.95395936342771
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media platforms play a pivotal role in shaping political discourse, but analyzing their vast and rapidly evolving content remains a major challenge. We introduce an end-to-end framework for automatically generating an interpretable topic taxonomy from an unlabeled corpus. By combining unsupervised clustering with prompt-based labeling, our method leverages large language models (LLMs) to iteratively construct a taxonomy without requiring seed sets or domain expertise. We apply this framework to a large corpus of Meta (previously known as Facebook) political ads from the month ahead of the 2024 U.S. Presidential election. Our approach uncovers latent discourse structures, synthesizes semantically rich topic labels, and annotates topics with moral framing dimensions. We show quantitative and qualitative analyses to demonstrate the effectiveness of our framework. Our findings reveal that voting and immigration ads dominate overall spending and impressions, while abortion and election-integrity achieve disproportionate reach. Funding patterns are equally polarized: economic appeals are driven mainly by conservative PACs, abortion messaging splits between pro- and anti-rights coalitions, and crime-and-justice campaigns are fragmented across local committees. The framing of these appeals also diverges--abortion ads emphasize liberty/oppression rhetoric, while economic messaging blends care/harm, fairness/cheating, and liberty/oppression narratives. Topic salience further reveals strong correlations between moral foundations and issues. Demographic targeting also emerges. This work supports scalable, interpretable analysis of political messaging on social media, enabling researchers, policymakers, and the public to better understand emerging narratives, polarization dynamics, and the moral underpinnings of digital political communication.
• Abstract（参考訳）: ソーシャルメディアプラットフォームは、政治的言論を形成する上で重要な役割を担っているが、その巨大かつ急速に進化するコンテンツを分析することは大きな課題である。 ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。 教師なしクラスタリングとプロンプトベースのラベリングを組み合わせることで、シードセットやドメインの専門知識を必要とせずに、大規模言語モデル(LLM)を反復的に構築する。 われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta(以前はFacebookと呼ばれていた)政治広告の大規模なコーパスに適用する。 提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。 フレームワークの有効性を示すために,定量的かつ定性的な分析結果を示す。 その結果、投票と移民広告が全体の支出とインプレッションを支配し、中絶と選挙統合が不均等なリーチを達成していることが明らかとなった。 経済的魅力は主に保守的なPACによって推進され、中絶のメッセージは反右派の連立政権と反右派の連立政権の間で分裂し、犯罪と正義のキャンペーンは地方委員会で分断される。 広告は自由/抑圧のレトリックを強調し、経済メッセージングはケア/ハーム、フェアネス/チーティング、自由/抑圧の物語をブレンドする。 トピック・サリエンスはさらに、道徳的基礎と問題の間に強い相関関係を明らかにしている。 デモグラフィックのターゲティングも実現している。 この研究は、ソーシャルメディア上での政治的メッセージングのスケーラブルで解釈可能な分析をサポートし、研究者、政策立案者、一般大衆が新たな物語、分極力学、そしてデジタル政治コミュニケーションの道徳的基盤をよりよく理解できるようにする。

関連論文リスト

• Unveiling Political Influence Through Social Media: Network and Causal Dynamics in the 2022 French Presidential Election [0.0]
  2022年のフランス大統領選挙では、政治候補者とその近しいネットワークが投稿した重要なトピックについて、毎日のTwitterメッセージを収集しました。 データ駆動型アプローチを用いて、政党間の相互作用を分析し、政治討論の風景を形成する中心的なトピックを特定します。 以上の結果から, 保健政策や外交政策といった特定の課題が, 特に急激な選挙期において, 政党間の影響力の触媒としてどのように振る舞うかが示唆された。
  論文  参考訳（メタデータ） (2025-06-19T16:35:02Z)
• Passing the Turing Test in Political Discourse: Fine-Tuning LLMs to Mimic Polarized Social Media Comments [0.0]
  本研究では、微調整された大言語モデル(LLM)が、偏光言説を再現し増幅できる範囲について検討する。 Redditから抽出された政治的に課金された議論のキュレートされたデータセットを使用して、オープンソースのLCMを微調整して、コンテキスト認識とイデオロギー的に整合した応答を生成します。 結果は、パルチザンのデータに基づいてトレーニングすると、LLMは高い信頼性と挑発的なコメントを生成でき、しばしば人間によって書かれたものと区別できないことを示唆している。
  論文  参考訳（メタデータ） (2025-06-17T15:41:26Z)
• Talking Point based Ideological Discourse Analysis in News Events [62.18747509565779]
  本稿では,イデオロギー的談話分析理論をモチベーションとして,実世界の出来事に関するニュース記事を分析する枠組みを提案する。 我々のフレームワークは,話題のトピックとともに,エンティティ,役割,メディアフレーム間の相互作用を捉えた,会話ポイントという関係構造を用いたニュース記事を表現している。 我々は,人間の検証によって補足されたイデオロギーや分派的分類タスクを通じて,これらの視点を自動で生成するフレームワークの能力を評価する。
  論文  参考訳（メタデータ） (2025-04-10T02:52:34Z)
• "Whose Side Are You On?" Estimating Ideology of Political and News Content Using Large Language Models and Few-shot Demonstration Selection [5.277598111323805]
  既存のイデオロギーを分類するアプローチは、大規模なデータセットのラベル付けを必要とするため、進化するイデオロギーの文脈に適応できないという点で制限されている。 本稿では、オンラインコンテンツの政治的イデオロギーを、文脈内学習を通じて、米国政治スペクトルの文脈で分類する大規模言語モデルの可能性について検討する。
  論文  参考訳（メタデータ） (2025-03-23T02:32:25Z)
• On the Use of Proxies in Political Ad Targeting [49.61009579554272]
  我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。 本研究は政治広告の規制に関する議論に重要な意味を持つ。
  論文  参考訳（メタデータ） (2024-10-18T17:15:13Z)
• Whose Side Are You On? Investigating the Political Stance of Large Language Models [56.883423489203786]
  大規模言語モデル(LLM)の政治的指向性について,8つのトピックのスペクトルにわたって検討する。 我々の調査は、中絶からLGBTQ問題まで8つのトピックにまたがるLLMの政治的整合性について考察している。 この結果から,ユーザはクエリ作成時に留意すべきであり,中立的なプロンプト言語を選択する際には注意が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-15T04:02:24Z)
• Moral consensus and divergence in partisan language use [0.0]
  政治的議論では分極化が著しく増加し、党派分裂の拡大に寄与した。 我々はRedditコミュニティやニュースメディアで大規模で現実的な言語の使用を分析し、パルチザン言語を分割した心理的次元を明らかにする。
  論文  参考訳（メタデータ） (2023-10-14T16:50:26Z)
• Understanding Divergent Framing of the Supreme Court Controversies: Social Media vs. News Outlets [56.67097829383139]
  我々は、米国最高裁判所の一連の判決に関して、ソーシャルメディアや伝統的なメディアのフレーミングにおける微妙な区別に焦点を当てている。 メディアが肯定的な行動や中絶の権利を扱い、学生ローンの話題はより深いコンセンサスを示す傾向にある。
  論文  参考訳（メタデータ） (2023-09-18T06:40:21Z)
• The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
  私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。 ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
  論文  参考訳（メタデータ） (2023-04-19T18:32:49Z)

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。