論文の概要: Stance Labels Fail When They Matter Most: The Projection Problem in Stance Detection

• arxiv url: http://arxiv.org/abs/2603.24231v1
• Date: Wed, 25 Mar 2026 12:03:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.279988
• Title: Stance Labels Fail When They Matter Most: The Projection Problem in Stance Detection
• Title（参考訳）: スタンスラベルが最重要事項で失敗する:スタンス検出における投影問題
• Authors: Bowen Zhang,
• Abstract要約: 複雑な目標に対する態度は統一的ではないことを示す。 人は、炭素税に反対し、ある次元への支持を表明し、別の次元に対する反対を表明しながら、気候科学を受け入れることができる。 アノテーションがそのような多次元の姿勢を1つのラベルに圧縮しなければならない場合、異なるアノテータは異なる次元を重み付けする。
• 参考スコア（独自算出の注目度）: 4.397842507533513
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Stance detection is nearly always formulated as classifying text into Favor, Against, or Neutral -- a convention inherited from debate analysis and applied without modification to social media since SemEval-2016. But attitudes toward complex targets are not unitary: a person can accept climate science while opposing carbon taxes, expressing support on one dimension and opposition on another. When annotators must compress such multi-dimensional attitudes into a single label, different annotators weight different dimensions -- producing disagreement that reflects not confusion but different compression choices. We call this the \textbf{projection problem}, and show that its cost is conditional: when a text's dimensions align, any weighting yields the same label and three-way annotation works well; when dimensions conflict, label agreement collapses while agreement on individual dimensions remains intact. A pilot study on SemEval-2016 Task 6 confirms this crossover: on dimension-consistent texts, label agreement (Krippendorff's $α= 0.307$) exceeds dimensional agreement ($α= 0.082$); on dimension-conflicting texts, the pattern reverses -- label $α$ drops to $0.085$ while dimensional $α$ rises to $0.334$, with Policy reaching $0.572$. The projection problem is real -- but it activates precisely where it matters most.
• Abstract（参考訳）: スタンス検出は、ほぼ常に、議論の分析から受け継がれ、SemEval-2016以降、ソーシャルメディアに修正を加えることなく適用される規約である、Favor, Against, or Neutralにテキストを分類するものとして定式化されている。 しかし、複雑な目標に対する態度は統一的ではない。ある人は、炭素税に反対し、ある次元への支持を表明し、別の次元に対する反対を表明しながら、気候科学を受け入れることができる。 アノテーションがそのような多次元の姿勢を1つのラベルに圧縮しなければならない場合、異なるアノテーションは異なる次元を重み付けます。 我々はこれを「textbf{projection problem」と呼び、そのコストが条件付きであることを示し、テキストの次元が整列すると、重み付けは同一のラベルと3方向のアノテーションがうまく機能する。 SemEval-2016 Task 6のパイロット研究では、この交差が確認されている: 次元一貫性のあるテキストでは、ラベル合意(クリッペンドルフの$α= 0.307$)が次元合意(α= 0.082$)を超え、そのパターンの逆転 -- label $α$ drops to $0.085$, 次元$α$ rises to $0.334$, Policyが0.572$に達した。

関連論文リスト

• Reliable Abstention under Adversarial Injections: Tight Lower Bounds and New Upper Bounds [16.636823007179082]
  我々は, [Goel et al. 2017] が導入した対戦型インジェクションモデルを用いてオンライン学習を研究する。 一致する$(sqrtT)$ down bound for VC dimension $1$を証明し、2つの情報体制の鮮明な分離を確立します。 敵の汚染に対する耐性が保たれていることを予測するためのラベル付きサンプルの小さなサブセットである、インプロバストな目撃者によって駆動される潜在的基盤フレームワークを導入する。
  論文  参考訳（メタデータ） (2026-02-23T18:30:48Z)
• Are you going to finish that? A Practical Study of the Partial Token Problem [85.49816027251013]
  言語モデル(LM)はトークンのシーケンスによって訓練されるが、ユーザはテキストを介してLMと対話する。 このミスマッチは、ユーザーが期待する次のトークンの途中でプロンプトを終了したときに発生する部分トークン問題を引き起こす。 この研究では、トークンと"ワード"境界がしばしば並んでいない3つのドメインを特定します。
  論文  参考訳（メタデータ） (2026-01-30T17:47:16Z)
• StereoSpace: Depth-Free Synthesis of Stereo Geometry via End-to-End Diffusion in a Canonical Space [55.40440023281068]
  本稿では,単分子対ステレオ合成のための拡散ベースのフレームワークであるStereoSpaceを紹介する。 標準整定空間と条件付けは、生成元が対応を推測し、非閉塞をエンドツーエンドに埋めるように誘導する。
  論文  参考訳（メタデータ） (2025-12-11T18:59:59Z)
• Bias Is a Subspace, Not a Coordinate: A Geometric Rethinking of Post-hoc Debiasing in Vision-Language Models [13.46898179372249]
  VLM(Vision-Language Models)は、マルチモーダルな推論には欠かせないものとなっているが、それらの表現はしばしば人口統計バイアスをエンコードし増幅している。 線形デオード可能なバイアスの全部分空間を同定・除去する幾何学的原理の枠組みを提案する。 提案手法は, 4つのフェアネス指標に対して平均18.5%の精度向上を達成し, より堅牢なデバイアス化を実現する。
  論文  参考訳（メタデータ） (2025-11-22T17:04:30Z)
• The Sample Complexity of Online Contract Design [120.9833763323407]
  オンライン環境での隠れアクションの主エージェント問題について検討する。 各ラウンドにおいて、主席は、各結果に基づいてエージェントへの支払いを指定する契約を投稿する。 エージェントは、自身のユーティリティを最大化する戦略的な行動選択を行うが、プリンシパルによって直接観察できない。
  論文  参考訳（メタデータ） (2022-11-10T17:59:42Z)
• A Closer Look at Robustness to L-infinity and Spatial Perturbations and their Composition [14.508683884152347]
  逆機械学習では、人気のある$ell_infty$の脅威モデルが、ずっと以前からの作業の焦点となっている。 我々は,この新たな脅威モデルに対して,現状の $ell_infty$ ディフェンスをどのように適用できるかを検討する。 新たに提案したTRADES$_textAll$戦略が,すべての中で最強であることがわかった。
  論文  参考訳（メタデータ） (2022-10-05T21:57:14Z)
• UFO$^2$: A Unified Framework towards Omni-supervised Object Detection [175.9693271392461]
  UFO$2$は、異なる形式の監視を同時に処理できる統一オブジェクト検出フレームワークである。 具体的には、UFO$2$は、強力な監督(箱など)、様々な形式の部分的な監督(例えば、クラスタグ、ポイント、スクリブル)、ラベルなしのデータを含んでいる。
  論文  参考訳（メタデータ） (2020-10-21T07:46:30Z)
• Mixed state entanglement measures as probe for confinement [0.0]
  各種大容量N$トップダウンおよびボトムアップ精錬モデルにおける混合状態絡み合い対策のホログラフィック的側面について検討した。 トップダウンモデルでは、ラップされた$D3$と$D4$のブレーン重力解を考えるが、ボトムアップ収束モデルでは、アインシュタイン-マクスウェル-ディラトン重力解を考える。
  論文  参考訳（メタデータ） (2020-10-15T12:19:12Z)
• GRACE: Gradient Harmonized and Cascaded Labeling for Aspect-based Sentiment Analysis [90.43089622630258]
  本稿では、これらの問題を解決するために、GRACE(GRadient hArmonized and CascadEd labeling model)を提案する。 提案モデルでは,複数のベンチマークデータセットの整合性向上を実現し,最先端の結果を生成する。
  論文  参考訳（メタデータ） (2020-09-22T13:55:34Z)
• Dropout as a Regularizer of Interaction Effects [76.84531978621143]
  ドロップアウトは高次相互作用に対する正則化器である。 我々はこの視点を分析的かつ実証的に証明する。 また、高次相互作用に対して同じ選択的な圧力を得ることも困難である。
  論文  参考訳（メタデータ） (2020-07-02T01:11:52Z)

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。