論文の概要: Retrieving Climate Change Disinformation by Narrative

• arxiv url: http://arxiv.org/abs/2603.22015v1
• Date: Mon, 23 Mar 2026 14:26:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.70915
• Title: Retrieving Climate Change Disinformation by Narrative
• Title（参考訳）: ナラティブによる気候変動情報の回収
• Authors: Max Upravitelev, Veronika Solopova, Charlott Jakob, Premtim Sahitaj, Vera Schmitt,
• Abstract要約: 我々は,ナラティブ検出を検索タスクとして再編成し,ナラティブのコアメッセージをクエリとして与え,そのナラティブと整合してコーパスからテキストをランク付けする。 抽象的な記述と具体的なテキストのインスタンス化のギャップを埋めるための仮説文書を生成するフレームワークであるSpecFiを提案する。
• 参考スコア（独自算出の注目度）: 3.082807470282862
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting climate disinformation narratives typically relies on fixed taxonomies, which do not accommodate emerging narratives. Thus, we re-frame narrative detection as a retrieval task: given a narrative's core message as a query, rank texts from a corpus by alignment with that narrative. This formulation requires no predefined label set and can accommodate emerging narratives. We repurpose three climate disinformation datasets (CARDS, Climate Obstruction, climate change subset of PolyNarrative) for retrieval evaluation and propose SpecFi, a framework that generates hypothetical documents to bridge the gap between abstract narrative descriptions and their concrete textual instantiations. SpecFi uses community summaries from graph-based community detection as few-shot examples for generation, achieving a MAP of 0.505 on CARDS without access to narrative labels. We further introduce narrative variance, an embedding-based difficulty metric, and show via partial correlation analysis that standard retrieval degrades on high-variance narratives (BM25 loses 63.4% of MAP), while SpecFi-CS remains robust (32.7% loss). Our analysis also reveals that unsupervised community summaries converge on descriptions close to expert-crafted taxonomies, suggesting that graph-based methods can surface narrative structure from unlabeled text.
• Abstract（参考訳）: 気候の偽情報に関する物語を検知することは、一般的に、出現する物語を扱わない固定された分類に依存している。 そこで我々は,ナラティブ検出を検索タスクとして再編成し,ナラティブのコアメッセージをクエリとして与え,そのナラティブと整合してコーパスからテキストをランク付けする。 この定式化は事前に定義されたラベルセットを必要とせず、新たな物語に対応できる。 本研究では,3つの気候情報データセット(CARDS,Climate Obstruction,Climate Change subset of PolyNarrative)を検索評価に利用し,抽象的な物語記述と具体的なテキストインスタンス間のギャップを埋める仮説文書を生成するフレームワークであるSpecFiを提案する。 SpecFiは、グラフベースのコミュニティ検出からのコミュニティサマリーを、生成のためのわずかな例として使用し、物語ラベルにアクセスせずにCARDSで0.505のMAPを達成する。 さらに,物語の分散,埋め込みに基づく難易度尺度を導入し,標準検索が高分散物語の劣化(BM25はMAPの63.4%を失う),SpecFi-CSは頑健(32.7%の損失)であることを示す。 分析の結果,教師なしコミュニティの要約は専門家による分類に近づいた記述に収束しており,グラフベースの手法がラベルのないテキストから物語構造を抽出できることが示唆された。

関連論文リスト

• From Variance to Invariance: Qualitative Content Analysis for Narrative Graph Annotation [3.1697159529951198]
  本稿では,定性的コンテンツ分析(QCA)の原則を統合し,アノテーションの品質を優先するナラティブグラフアノテーションフレームワークを提案する。 本稿では、ノードが事象を表現し、エッジが因果関係を符号化する有向非巡回グラフ(DAG)として注釈付けされたインフレーション物語のデータセットを提案する。 分析の結果,(1)高信頼度(オーバーラップベース距離)は信頼性を過大評価し,(2)局所的に制約された表現(例えばワンホップ隣人)はアノテーションの多様性を低下させることがわかった。
  論文  参考訳（メタデータ） (2026-03-02T14:48:13Z)
• Improving Narrative Classification and Explanation via Fine Tuned Language Models [6.310433217813068]
  本研究は,(1)ニュース記事における物語とサブナラティブのマルチラベル分類,(2)簡潔でエビデンスに基づく,支配的な物語の説明の生成という2つの課題に取り組む。 GPT-4oパイプラインを用いた総合的な物語検出, 予測の精細化のためのリコール指向アプローチにより, BERTモデルを微調整する。 本研究は, メディア分析, 教育, インテリジェンス収集における補助知識の活用により, 分類精度が向上し, 信頼性が向上することを示す。
  論文  参考訳（メタデータ） (2025-09-04T10:12:31Z)
• Causal Micro-Narratives [62.47217054314046]
  テキストから因果マイクロナラティブを分類する新しい手法を提案する。 これらの物語は、対象対象の因果関係と/または効果の文レベルの説明である。
  論文  参考訳（メタデータ） (2024-10-07T17:55:10Z)
• GPT4SGG: Synthesizing Scene Graphs from Holistic and Region-specific Narratives [69.36723767339001]
  我々は,より正確で包括的なシーングラフ信号を得るために,textitGPT4SGという新しいフレームワークを提案する。 textitGPT4SGGは、画像キャプチャーデータに基づいて訓練されたSGGモデルの性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-12-07T14:11:00Z)
• Conflicts, Villains, Resolutions: Towards models of Narrative Media Framing [19.589945994234075]
  我々は、物語の要素を明示的に捉えたコミュニケーション科学から、広く使われているフレーミングの概念化を再考する。 我々は、複雑なアノテーションタスクをより単純なバイナリー質問に分解する効果的なアノテーションパラダイムを適用します。 教師付きおよび半教師付きアプローチによるフレームの自動マルチラベル予測について検討する。
  論文  参考訳（メタデータ） (2023-06-03T08:50:13Z)
• SNaC: Coherence Error Detection for Narrative Summarization [73.48220043216087]
  SNaCは長文の微粒化アノテーションに根ざした物語コヒーレンス評価フレームワークである。 本稿では,生成した物語要約におけるコヒーレンスエラーの分類法を開発し,150冊の本や映画の脚本要約にまたがる6.6k文のスパンレベルアノテーションを収集する。 我々の研究は、最先端の要約モデルによって生成されるコヒーレンスエラーの最初の特徴と、群衆アノテータからコヒーレンス判断を引き出すためのプロトコルを提供する。
  論文  参考訳（メタデータ） (2022-05-19T16:01:47Z)
• Distant finetuning with discourse relations for stance classification [55.131676584455306]
  そこで本研究では,定位分類のモデルとして,原文から銀ラベルでデータを抽出し,微調整する手法を提案する。 また,様々な段階において微調整に用いるデータのノイズレベルが減少する3段階のトレーニングフレームワークを提案する。 NLPCC 2021共有タスクArgumentative Text Understanding for AI Debaterでは,26の競合チームの中で1位にランクインした。
  論文  参考訳（メタデータ） (2022-04-27T04:24:35Z)
• Relation Clustering in Narrative Knowledge Graphs [71.98234178455398]
  原文内の関係文は(SBERTと)埋め込み、意味論的に類似した関係をまとめるためにクラスタ化される。 予備的なテストでは、そのようなクラスタリングが類似した関係を検知し、半教師付きアプローチのための貴重な前処理を提供することが示されている。
  論文  参考訳（メタデータ） (2020-11-27T10:43:04Z)
• Screenplay Summarization Using Latent Narrative Structure [78.45316339164133]
  本稿では,物語の基盤となる構造を一般教師なし・教師付き抽出要約モデルに明示的に組み込むことを提案する。 重要な物語イベント(転回点)の観点で物語構造を定式化し、脚本を要約するために潜伏状態として扱う。 シーンレベルの要約ラベルを付加したテレビ画面のCSIコーパスの実験結果から,潜角点がCSIエピソードの重要な側面と相関していることが判明した。
  論文  参考訳（メタデータ） (2020-04-27T11:54:19Z)

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。