論文の概要: Addressing Antisocial Behavior in Multi-Party Dialogs Through Multimodal Representation Learning

• arxiv url: http://arxiv.org/abs/2510.17289v1
• Date: Mon, 20 Oct 2025 08:27:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.029358
• Title: Addressing Antisocial Behavior in Multi-Party Dialogs Through Multimodal Representation Learning
• Title（参考訳）: マルチモーダル表現学習による多人数対話における反社会的行動の対応
• Authors: Hajar Bakarou, Mohamed Sinane El Messoussi, Anaïs Ollagnier,
• Abstract要約: ソーシャルメディア上での反社会的行動(ASB)は、プラットフォーム安全と社会的幸福へのリスクを増大させる。 textitCyberAgressionAdo-Largeは、多人数会話でASBをシミュレートするフランスのオープンアクセスデータセットです。 我々は6つのテキストベースおよび8つのグラフベースのテキスト表現学習手法をベンチマークし、語彙的手がかり、相互作用力学、およびそれらのマルチモーダル融合を分析した。
• 参考スコア（独自算出の注目度）: 1.452875650827562
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Antisocial behavior (ASB) on social media -- including hate speech, harassment, and cyberbullying -- poses growing risks to platform safety and societal well-being. Prior research has focused largely on networks such as X and Reddit, while \textit{multi-party conversational settings} remain underexplored due to limited data. To address this gap, we use \textit{CyberAgressionAdo-Large}, a French open-access dataset simulating ASB in multi-party conversations, and evaluate three tasks: \textit{abuse detection}, \textit{bullying behavior analysis}, and \textit{bullying peer-group identification}. We benchmark six text-based and eight graph-based \textit{representation-learning methods}, analyzing lexical cues, interactional dynamics, and their multimodal fusion. Results show that multimodal models outperform unimodal baselines. The late fusion model \texttt{mBERT + WD-SGCN} achieves the best overall results, with top performance on abuse detection (0.718) and competitive scores on peer-group identification (0.286) and bullying analysis (0.606). Error analysis highlights its effectiveness in handling nuanced ASB phenomena such as implicit aggression, role transitions, and context-dependent hostility.
• Abstract（参考訳）: ヘイトスピーチやハラスメント、サイバーいじめなど、ソーシャルメディア上での反社会的行動(ASB)は、プラットフォームの安全性と社会的幸福へのリスクを増大させる。 これまでの研究は、主にXやRedditのようなネットワークに焦点を合わせてきたが、‘textit{multi-party conversational settings’は、限られたデータのために未探索のままである。 このギャップに対処するために、フランスのオープンアクセスデータセットである \textit{CyberAgressionAdo-Large} を用いて、多人数の会話でASBをシミュレートし、3つのタスクを評価する: \textit{abuse detection} 、 \textit{bullying behavior analysis} 、 \textit{bullying peer-group identification} である。 我々は6つのテキストベースと8つのグラフベース \textit{representation-learning method} をベンチマークし、語彙的手がかり、相互作用力学、およびそれらのマルチモーダル融合を解析した。 その結果,マルチモーダルモデルは単調なベースラインよりも優れていた。 後期融合モデル \texttt{mBERT + WD-SGCN} は、虐待検出 (0.718) とピアグループ識別 (0.286) といじめ分析 (0.606) の競合スコアで最高の結果を得る。 エラー分析は、暗黙の攻撃、役割遷移、文脈依存の敵意といった、曖昧なASB現象を扱う上での有効性を強調している。

関連論文リスト

• Cyberbullying Detection in Hinglish Text Using MURIL and Explainable AI [0.356008609689971]
  デジタルプラットフォーム上でのHindi-English(Hinglish)通信のコード混在は、既存のサイバーいじめ検知システムに課題をもたらす。 本稿では,インド語多言語表現(MURIL)アーキテクチャを用いたHinglishテキストにおけるサイバーいじめ検出のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-19T06:46:42Z)
• SIV-Bench: A Video Benchmark for Social Interaction Understanding and Reasoning [53.16179295245888]
  SIV-Benchは、SSU(Social Scene Understanding)、SSR(Social State Reasoning)、SDP(Social Dynamics Prediction)におけるMLLM(Multimodal Large Language Models)の機能を評価するための新しいビデオベンチマークである。 SIV-Benchは、2,792本のビデオクリップと8,792本の人間とLLMのコラボレーティブパイプラインから得られた精巧に生成された質問応答ペアを備えている。 また、異なるテキストキュー固有のオンスクリーンテキスト、追加の対話、あるいはノーテキストの影響を分析するための専用の設定も含まれている。
  論文  参考訳（メタデータ） (2025-06-05T05:51:35Z)
• Reasoning-Augmented Conversation for Multi-Turn Jailbreak Attacks on Large Language Models [53.580928907886324]
  Reasoning-Augmented Conversationは、新しいマルチターンジェイルブレイクフレームワークである。 有害なクエリを良心的な推論タスクに再構成する。 RACEは,複雑な会話シナリオにおいて,最先端攻撃の有効性を実現する。
  論文  参考訳（メタデータ） (2025-02-16T09:27:44Z)
• AMPLE: Emotion-Aware Multimodal Fusion Prompt Learning for Fake News Detection [0.1499944454332829]
  本稿では,Emotion-textbfAware textbfMultimodal Fusion textbfPrompt textbfLtextbfEarning (textbfAMPLE) フレームワークについて述べる。 このフレームワークは感情分析ツールを利用してテキストから感情要素を抽出する。 次に、マルチヘッドクロスアテンション(MCA)機構と類似性を考慮した融合手法を用いて、マルチモーダルデータを統合する。
  論文  参考訳（メタデータ） (2024-10-21T02:19:24Z)
• Dynamic Hybrid Relation Network for Cross-Domain Context-Dependent Semantic Parsing [52.24507547010127]
  ドメイン間コンテキスト依存のセマンティック解析は研究の新たな焦点である。 本稿では,コンテキストの発話,トークン,データベーススキーマ,会話の進行に伴う複雑なインタラクションを効果的にモデル化する動的グラフフレームワークを提案する。 提案したフレームワークは既存のモデルを大きなマージンで上回り、2つの大規模ベンチマークで新しい最先端性能を達成する。
  論文  参考訳（メタデータ） (2021-01-05T18:11:29Z)
• Detecting Online Hate Speech: Approaches Using Weak Supervision and Network Embedding Models [2.3322477552758234]
  本研究では,ヘイトフルユーザを定量的に発見する弱監督型深層学習モデルを提案する。 我々は、19.2Mの投稿において、我々のモデルを評価し、我々の弱い監督モデルは、間接的に憎悪的な相互作用を識別するベースラインモデルよりも優れていることを示す。 また,Gabにおける2種類のユーザインタラクション(引用と応答)と,弱監督モデルからのインタラクションスコアをエッジウェイトとして分析し,ヘイトフルユーザを予測する。
  論文  参考訳（メタデータ） (2020-07-24T18:13:52Z)
• A Hybrid Solution to Learn Turn-Taking in Multi-Party Service-based Chat Groups [2.943984871413744]
  テキストベースのチャットグループでは、利用可能な情報は送信者、テキストの内容、対話履歴のみである。 本稿では,これらの情報をコーパスとアーキテクチャを用いて予測タスクでどのように利用することができるかについて述べる。
  論文  参考訳（メタデータ） (2020-01-14T22:37:21Z)

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。