論文の概要: TOPol: Capturing and Explaining Multidimensional Semantic Polarity Fields and Vectors

• arxiv url: http://arxiv.org/abs/2510.25069v1
• Date: Wed, 29 Oct 2025 01:14:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:44.900075
• Title: TOPol: Capturing and Explaining Multidimensional Semantic Polarity Fields and Vectors
• Title（参考訳）: TOPol:多次元セマンティック極性場とベクトルのキャプチャと説明
• Authors: Gabin Taibi, Lucia Gomez,
• Abstract要約: ToPolは多次元の物語の極性場を再構成し、解釈するためのフレームワークである。 このフレームワークは、Transformer-based large language model (tLLM)を使用してドキュメントを埋め込む。 我々はTOPolを2つのコーパスで評価する: (i)米国中央銀行のマクロ経済的なブレークポイントに関するスピーチ、(ii)Amazonの製品レビュー。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional approaches to semantic polarity in computational linguistics treat sentiment as a unidimensional scale, overlooking the multidimensional structure of language. This work introduces TOPol (Topic-Orientation POLarity), a semi-unsupervised framework for reconstructing and interpreting multidimensional narrative polarity fields under human-on-the-loop (HoTL) defined contextual boundaries (CBs). The framework embeds documents using a transformer-based large language model (tLLM), applies neighbor-tuned UMAP projection, and segments topics via Leiden partitioning. Given a CB between discourse regimes A and B, TOPol computes directional vectors between corresponding topic-boundary centroids, yielding a polarity field that quantifies fine-grained semantic displacement during regime shifts. This vectorial representation enables assessing CB quality and detecting polarity changes, guiding HoTL CB refinement. To interpret identified polarity vectors, the tLLM compares their extreme points and produces contrastive labels with estimated coverage. Robustness analyses show that only CB definitions (the main HoTL-tunable parameter) significantly affect results, confirming methodological stability. We evaluate TOPol on two corpora: (i) U.S. Central Bank speeches around a macroeconomic breakpoint, capturing non-affective semantic shifts, and (ii) Amazon product reviews across rating strata, where affective polarity aligns with NRC valence. Results demonstrate that TOPol consistently captures both affective and non-affective polarity transitions, providing a scalable, generalizable, and interpretable framework for context-sensitive multidimensional discourse analysis.
• Abstract（参考訳）: 計算言語学における意味極性への伝統的なアプローチは、感情を一次元の尺度として扱い、言語の多次元構造を見渡す。 ToPol(Topic-Orientation POLarity)は,Human-on-the-loop(HoTL)定義コンテキスト境界(CB)の下で多次元の物語の極性場を再構成・解釈する,半教師なしのフレームワークである。 このフレームワークは、変換器ベースの大規模言語モデル(tLLM)を使用して文書を埋め込み、近隣で調整されたUMAPプロジェクションを適用し、Leidenパーティショニングを介してトピックをセグメント化する。 談話規則 A と B の間の CB が与えられたとき、TOPol は対応する話題境界セントロイド間の方向ベクトルを計算し、状態シフト中の微細な意味的変位を定量化する極性場を生成する。 このベクトル表現により、CB品質を評価し、極性変化を検出し、HoTL CB精製を導くことができる。 特定極性ベクトルを解釈するために、tLLMはそれらの極性点を比較し、推定されたカバレッジと対照的なラベルを生成する。 ロバストネス分析では、CB定義(メインのHoTL-tunableパラメータ)のみが結果に大きく影響し、方法論的安定性が確認された。 2つのコーパス上でTOPolを評価する。 (i)米国中央銀行のマクロ経済学的ブレークポイントに関する演説、非影響的セマンティックシフトの捉え方、 (ii) Amazonの製品レビューは評価層全体で、感情的な極性はNRC価と一致している。 結果から,TOPolは知覚的および非影響的極性遷移を連続的に捉え,拡張性,一般化性,解釈可能な多次元談話解析フレームワークを提供することがわかった。

関連論文リスト

• A Formal Framework for Fluency-based Multi-Reference Evaluation in Grammatical Error Correction [9.020566998995696]
  既存のフレームワークは、主に編集ベースと英語中心であり、システムと参照編集の間の厳格なアライメントに依存している。 本稿では,複数の正当性修正に対する集合問題として$n$-gramの類似性を考慮し,テキスト拡散に基づくマルチ参照評価のための形式的フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-08T08:15:44Z)
• BIPOLAR: Polarization-based granular framework for LLM bias evaluation [0.0]
  本研究では,大規模言語モデルにおける偏光関連バイアスを評価するために,再利用性,粒度,トピックに依存しないフレームワークを提案する。 我々のアプローチは、偏極感性感情メトリクスと、競合関連文の合成的に生成されたバランスの取れたデータセットを組み合わせる。 ケーススタディでは、ロシアとウクライナの戦争に焦点を当てた合成データセットを作成し、いくつかのLSMのバイアスを評価した。
  論文  参考訳（メタデータ） (2025-08-14T20:44:19Z)
• Multi-Scale Probabilistic Generation Theory: A Unified Information-Theoretic Framework for Hierarchical Structure in Large Language Models [1.0117553823134735]
  大規模言語モデル(LLM)は目覚ましい能力を示すが、力学レベルでは理解されていない。 本稿では,マルチスケール確率生成理論(MSPGT)を紹介する。 MSPGTは、標準言語モデリングの目的が暗黙的にマルチスケール情報圧縮を最適化することを示唆している。
  論文  参考訳（メタデータ） (2025-05-23T16:55:35Z)
• Hierarchical Context Alignment with Disentangled Geometric and Temporal Modeling for Semantic Occupancy Prediction [61.484280369655536]
  カメラを用いた3Dセマンティック占領予測(SOP)は、限られた2次元画像観察から複雑な3Dシーンを理解するのに不可欠である。 既存のSOPメソッドは通常、占有表現学習を支援するためにコンテキストの特徴を集約する。 より正確なSOP(Hi-SOP)のための新しい階層型コンテキストアライメントパラダイムを導入する。
  論文  参考訳（メタデータ） (2024-12-11T09:53:10Z)
• Cross-Modal Bidirectional Interaction Model for Referring Remote Sensing Image Segmentation [50.433911327489554]
  リモートセンシング画像セグメンテーション(RRSIS)の目標は、参照式によって識別された対象オブジェクトの画素レベルマスクを生成することである。 上記の課題に対処するため、クロスモーダル双方向相互作用モデル(CroBIM)と呼ばれる新しいRRSISフレームワークが提案されている。 RRSISの研究をさらに推し進めるために、52,472個の画像言語ラベル三重項からなる新しい大規模ベンチマークデータセットRISBenchを構築した。
  論文  参考訳（メタデータ） (2024-10-11T08:28:04Z)
• Spatial Semantic Recurrent Mining for Referring Image Segmentation [63.34997546393106]
  高品質なクロスモーダリティ融合を実現するために,Stextsuperscript2RMを提案する。 これは、言語特徴の分散、空間的意味的再帰的分離、パーセマンティック・セマンティック・バランシングという三部作の作業戦略に従う。 提案手法は他の最先端アルゴリズムに対して好適に機能する。
  論文  参考訳（メタデータ） (2024-05-15T00:17:48Z)
• CPR++: Object Localization via Single Coarse Point Supervision [55.8671776333499]
  粗い点修正(CPR)は、アルゴリズムの観点からの意味的分散を緩和する最初の試みである。 CPRは、アノテートされた最初のポイントを置き換えるために、近隣地域のセマンティックセンターポイントを選択することで意味のばらつきを減らす。 CPR++は、スケール情報を取得し、グローバル領域における意味的分散をさらに低減することができる。
  論文  参考訳（メタデータ） (2024-01-30T17:38:48Z)
• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)
• Opening the black-box of Neighbor Embedding with Hotelling's T2 statistic and Q-residuals [1.6058099298620425]
  隣接埋め込み(NE)技術は、高次元データの局所構造やトポロジーをよりよく保存する傾向がある。 しかし、局所的な構造を維持する能力は、解釈可能性の犠牲となる。 本稿では,データポイント群間の差別的特徴を識別する手法について述べる。
  論文  参考訳（メタデータ） (2022-09-05T14:33:42Z)
• ContraCLIP: Interpretable GAN generation driven by pairs of contrasting sentences [45.06326873752593]
  事前学習されたGANの潜在空間における非線形解釈パスをモデルに依存しない方法で発見する。 視覚言語埋め込み空間において、所望の経路に沿って変化を起こす経路を探索する目的を定義することにより、基礎となる生成因子を直感的に制御する方法を提供する。
  論文  参考訳（メタデータ） (2022-06-05T06:13:42Z)
• Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
  半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。 SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-12T06:11:16Z)

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。