論文の概要: DimStance: Multilingual Datasets for Dimensional Stance Analysis
- arxiv url: http://arxiv.org/abs/2601.21483v1
- Date: Thu, 29 Jan 2026 10:02:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-30 16:22:49.722207
- Title: DimStance: Multilingual Datasets for Dimensional Stance Analysis
- Title（参考訳）: DimStance: 次元スタンス解析のための多言語データセット
- Authors: Jonas Becker, Liang-Chih Yu, Shamsuddeen Hassan Muhammad, Jan Philip Wahle, Terry Ruas, Idris Abdulmumin, Lung-Hao Lee, Wen-Ni Liu, Tzu-Mi Lin, Zhe-Yu Xu, Ying-Lung Lin, Jin Wang, Maryam Ibrahim Mukhtar, Bela Gipp, Saif M. Mohammed,
- Abstract要約: スタンス検出は、著者の特定の目標に対する態度を、フェーバー、中立、反対などのカテゴリに分類する確立したタスクである。
我々は、長い間確立されてきた感情科学の枠組みを利用して、価値(負の)と覚醒(カルムのアクティブ)の実数値次元に沿ってスタンスをモデル化する。
この次元的アプローチは、スタンス表現の根底にある微妙な感情状態を捉え、きめ細かいスタンス解析を可能にする。
- 参考スコア（独自算出の注目度）: 15.66074094588045
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Stance detection is an established task that classifies an author's attitude toward a specific target into categories such as Favor, Neutral, and Against. Beyond categorical stance labels, we leverage a long-established affective science framework to model stance along real-valued dimensions of valence (negative-positive) and arousal (calm-active). This dimensional approach captures nuanced affective states underlying stance expressions, enabling fine-grained stance analysis. To this end, we introduce DimStance, the first dimensional stance resource with valence-arousal (VA) annotations. This resource comprises 11,746 target aspects in 7,365 texts across five languages (English, German, Chinese, Nigerian Pidgin, and Swahili) and two domains (politics and environmental protection). To facilitate the evaluation of stance VA prediction, we formulate the dimensional stance regression task, analyze cross-lingual VA patterns, and benchmark pretrained and large language models under regression and prompting settings. Results show competitive performance of fine-tuned LLM regressors, persistent challenges in low-resource languages, and limitations of token-based generation. DimStance provides a foundation for multilingual, emotion-aware, stance analysis and benchmarking.
- Abstract（参考訳）: スタンス検出は、著者の特定の目標に対する態度を、フェーバー、中立、反対などのカテゴリに分類する確立したタスクである。
分類的スタンスラベル以外にも、長い間確立されてきた感情科学の枠組みを活用して、価値(負陽性)と覚醒(カルムアクティブ)の実際の価値ある次元に沿ってスタンスをモデル化する。
この次元的アプローチは、スタンス表現の根底にある微妙な感情状態を捉え、きめ細かいスタンス解析を可能にする。
この目的のために、Valence-arousal(VA)アノテーションを用いた最初の次元スタンスリソースであるDimStanceを紹介する。
このリソースは、英語、ドイツ語、中国語、ナイジェリア語、ピジン語、スワヒリ語)と2つのドメイン(政治と環境保護)にわたる7,365のテキストで11,746のターゲットアスペクトで構成されている。
姿勢 VA 予測の容易化を目的として,次元姿勢回帰タスクを定式化し,言語間VA パターンを解析し,事前訓練された大規模言語モデルを回帰とプロンプト設定でベンチマークする。
その結果、微調整LDM回帰器の競合性能、低リソース言語における永続的課題、トークンベースの生成の制限が示された。
DimStanceは多言語、感情認識、スタンス分析、ベンチマークのための基盤を提供する。
関連論文リスト
- Boosting Accuracy and Interpretability in Multilingual Hate Speech Detection Through Layer Freezing and Explainable AI [0.0]
本研究では,感情分析とヘイトスピーチ検出のための3つのトランスフォーマーモデルの性能について検討した。
評価は英語、韓国語、日本語、中国語、フランス語の5言語で行われている。
モデル決定に対する個々の単語の寄与を強調するために、局所解釈型モデル非依存説明(LIME)フレームワークを統合する。
論文 参考訳（メタデータ） (2026-01-06T04:07:51Z) - Comparing LLM Text Annotation Skills: A Study on Human Rights Violations in Social Media Data [2.812898346527047]
本研究では,ロシア語とウクライナ語におけるソーシャルメディア投稿のゼロショットおよび少数ショットアノテーションに対する大規模言語モデル(LLM)の機能について検討した。
これらのモデルの有効性を評価するため、それらのアノテーションは、人間の二重注釈付きラベルのゴールドスタンダードセットと比較される。
この研究は、各モデルが示すエラーと不一致のユニークなパターンを探求し、その強み、制限、言語間適応性に関する洞察を提供する。
論文 参考訳（メタデータ） (2025-05-15T13:10:47Z) - SANDWiCH: Semantical Analysis of Neighbours for Disambiguating Words in Context ad Hoc [1.0309408988485051]
我々は、多言語単語センス曖昧化(WSD)のための単純だが効率的なフレームワークを提案する。
提案手法は,グループ代数を用いてBabelNetから洗練されたセマンティックネットワーク上でのクラスタ識別解析としてWSDタスクを再構成する。
我々は複数のWSDベンチマークにまたがって方法論を検証し、言語やタスクの新たな状態を達成するとともに、音声による個々の評価を行う。
論文 参考訳（メタデータ） (2025-03-07T21:52:32Z) - SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。
SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
論文 参考訳（メタデータ） (2023-10-27T06:48:48Z) - A Latent-Variable Model for Intrinsic Probing [93.62808331764072]
固有プローブ構築のための新しい潜在変数定式化を提案する。
我々は、事前訓練された表現が言語間交互に絡み合ったモルフォシンタクスの概念を発達させる経験的証拠を見出した。
論文 参考訳（メタデータ） (2022-01-20T15:01:12Z) - Adversarial GLUE: A Multi-Task Benchmark for Robustness Evaluation of
Language Models [86.02610674750345]
AdvGLUE(Adversarial GLUE)は、様々な種類の敵攻撃の下で、現代の大規模言語モデルの脆弱性を調査し評価するための新しいマルチタスクベンチマークである。
GLUEタスクに14の逆攻撃手法を適用してAdvGLUEを構築する。
テストしたすべての言語モデルとロバストなトレーニングメソッドは、AdvGLUEではパフォーマンスが悪く、スコアは明確な精度よりもはるかに遅れています。
論文 参考訳（メタデータ） (2021-11-04T12:59:55Z) - Few-Shot Cross-Lingual Stance Detection with Sentiment-Based
Pre-Training [32.800766653254634]
本研究は,現在までの言語間スタンス検出に関する最も包括的な研究である。
6つの言語ファミリーの12言語で15の多様なデータセットを使用します。
実験では,新しいラベルエンコーダの追加を提案し,パターン探索トレーニングを構築した。
論文 参考訳（メタデータ） (2021-09-13T15:20:06Z) - AM2iCo: Evaluating Word Meaning in Context across Low-ResourceLanguages
with Adversarial Examples [51.048234591165155]
本稿では, AM2iCo, Adversarial and Multilingual Meaning in Contextを提案する。
言語間文脈における単語の意味の同一性を理解するために、最先端(SotA)表現モデルを忠実に評価することを目的としている。
その結果、現在のSotAプリトレーニングエンコーダは人間のパフォーマンスにかなり遅れていることが明らかとなった。
論文 参考訳（メタデータ） (2021-04-17T20:23:45Z) - TextFlint: Unified Multilingual Robustness Evaluation Toolkit for
Natural Language Processing [73.16475763422446]
NLPタスク(TextFlint)のための多言語ロバスト性評価プラットフォームを提案する。
普遍的なテキスト変換、タスク固有の変換、敵攻撃、サブポピュレーション、およびそれらの組み合わせを取り入れ、包括的な堅牢性分析を提供する。
TextFlintは、モデルの堅牢性の欠点に対処するために、完全な分析レポートとターゲットとした拡張データを生成します。
論文 参考訳（メタデータ） (2021-03-21T17:20:38Z)
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。