論文の概要: The TEA Nets framework combines AI and cognitive network science to model targets, events and actors in text

• arxiv url: http://arxiv.org/abs/2604.27673v1
• Date: Thu, 30 Apr 2026 10:07:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.03697
• Title: The TEA Nets framework combines AI and cognitive network science to model targets, events and actors in text
• Title（参考訳）: TEA NetsフレームワークはAIと認知ネットワーク科学を組み合わせてターゲット、イベント、アクターをテキストでモデル化する
• Authors: Sebastiano Franchini, Alexis Carrillo, Edoardo Sebastiano De Duro, Riccardo Improta, Ali Aghazadeh Ardebili, Massimo Stella,
• Abstract要約: 本稿では,テキストから対象を抽出する計算フレームワークとしてTarget-Event-Agent Networks(TEA Nets)を紹介する。 TEAネットを3つのケーススタディでテストし、解釈可能な感情検出、セマンティックフレーム分析、言語問合せを行うフレームワークの能力を実証した。 以上の結果から,TAAネットは物語から関連する感情的,統語的,意味的な洞察を抽出し,認知ネットワーク科学によるテキスト分析のための新たな道を開くことができることがわかった。
• 参考スコア（独自算出の注目度）: 0.24629531282150877
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We introduce Target-Event-Agent Networks (TEA Nets) as a computational framework to extract subjects (``Agents"), verbs (``Events"), and objects (``Targets") from texts. Grounded in cognitive network science and artificial intelligence, TEA Nets are implemented as an open-source Python library. We test TEA Nets in three case studies, demonstrating the framework's ability to perform interpretable emotion detection, semantic frame analyses, and linguistic inquiries across conspiracy texts and textual responses generated by LLMs. In the LOCO conspiracy corpus, TEA Nets revealed that highly conspiratorial narratives (4,227 texts) linked personal pronouns (``I", ``you", ``we") with the same actions twice as frequently as low-similarity conspiracy narratives. High-conspiracy narratives connected person-focused elements (``you", ``people") through actions eliciting anger above the random baseline ($z = 2.63, p < .05$), a trend absent in low-similarity conspiracy narratives, which emphasized scientific actors (``researcher", ``scientist"). In the HOPE and CounseLLMe datasets of 212 (human) and 200 (LLM-based) psychotherapy transcripts, respectively, TEA Nets highlighted emotional differences. When expressing feelings, Claude 3 Haiku, GPT-3.5, and humans used sad words with higher frequency than random expectations but Haiku expressed sadness with lower emotional intensity than humans ($U = 1243.5, p = .036$). We discuss these differences in the context of psychotherapy training on LLM-simulated patients. Our results show that Target-Event-Agent Networks can extract relevant emotional, syntactic, and semantic insights from narratives, opening new avenues for text analysis with cognitive network science.
• Abstract（参考訳）: 我々は、ターゲット-イベント-エージェントネットワーク(TEA Nets)を、テキストから主題(`Agents)、動詞(``Events)、オブジェクト(``Targets)を抽出する計算フレームワークとして導入する。認知ネットワーク科学と人工知能を基盤として、TAAネットはオープンソースのPythonライブラリとして実装されている。我々は、3つのケーススタディにおいて、TEAネットをテストし、LLMが生成した陰謀的テキストやテキスト応答を解釈可能な感情検出、セマンティックフレーム分析、言語的問い合わせを行うフレームワークの能力を実証する。 高陰謀説話は、無作為なベースライン(z = 2.63, p < 05$)の上の怒りを招き、科学的アクター(`researcher", `scientist)を強調した低相性陰謀説話に欠如している。 HOPEとCounseLLMeのデータセットでは、それぞれ212(人間)と200(LLMベース)の心理療法の書き起こしがあり、TAA Netsは感情的な違いを強調した。 感情を表現する際、クロード3俳句、GPT-3.5、およびヒトは、無作為な期待よりも高い頻度で悲しみの言葉を使用したが、俳句は人間よりも感情の強さが低い悲しみを表す(U = 1243.5, p = .036$)。 LLMを模擬した患者に対する心理療法訓練の文脈におけるこれらの違いについて論じる。 その結果,ターゲットイベント・エージェントネットワークは,物語から関連する感情的,統語的,意味的な洞察を抽出し,認知ネットワーク科学によるテキスト分析のための新たな道を開いた。

関連論文リスト

• ConspirED: A Dataset for Cognitive Traits of Conspiracy Theories and Large Language Model Safety [87.90209836101353]
  コンスピレーション(Conspired)は、一般的な認知特性に注釈を付けた最初の陰謀的内容のデータセットである。 我々は,比較的特徴を識別し,テキスト抽出において支配的特徴を決定する計算モデルを開発した。 我々は,大規模言語/推論モデル (LLM/LRM) を補間入力に対して頑健性を評価する。
  論文  参考訳（メタデータ） (2025-08-28T06:39:25Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• WhiSPA: Semantically and Psychologically Aligned Whisper with Self-Supervised Contrastive and Student-Teacher Learning [6.287362888070063]
  本研究は,後続のテキスト-LMが不要となるような音声モデルにおけるLMの改善手法を提案する。 本稿では,教師としての言語モデル埋め込みによる対照的な損失という,新たな学習目標を生かしたWhiSPAを紹介する。
  論文  参考訳（メタデータ） (2025-01-15T06:30:17Z)
• Emotion-Aware Embedding Fusion in LLMs (Flan-T5, LLAMA 2, DeepSeek-R1, and ChatGPT 4) for Intelligent Response Generation [0.5454121013433086]
  本研究は,精神医学的応用における大規模言語モデル(LLM)の感情的・文脈的理解を高めることの課題に対処する。 本稿では,階層的融合と注意機構を統合した新しいフレームワークであるEmotion-Aware Embedding Fusionを紹介する。 このシステムは、既存のメンタルヘルスプラットフォームに統合され、検索されたセラピーセッションデータに基づいてパーソナライズされた応答を生成することができる。
  論文  参考訳（メタデータ） (2024-10-02T08:01:05Z)
• Chat2Brain: A Method for Mapping Open-Ended Semantic Queries to Brain Activation Maps [59.648646222905235]
  そこで本研究では,テキスト2画像モデルであるText2BrainにLLMを組み合わせ,セマンティッククエリを脳活性化マップにマッピングするChat2Brainを提案する。 テキストクエリのより複雑なタスクに対して、Chat2Brainが可塑性なニューラルアクティベーションパターンを合成できることを実証した。
  論文  参考訳（メタデータ） (2023-09-10T13:06:45Z)
• Guilt Detection in Text: A Step Towards Understanding Complex Emotions [58.720142291102135]
  ギルト検出と呼ばれる新しい自然言語処理タスクを導入する。 我々は、罪悪感を、これまでNLPで研究されていない複雑で致命的な感情とみなす。 罪状検出のための公開コーパスの欠如に対処するため,4622テキストを含むデータセットであるVICを開発した。
  論文  参考訳（メタデータ） (2023-03-06T21:36:19Z)
• CrowdTSC: Crowd-based Neural Networks for Text Sentiment Classification [26.75362694599748]
  我々は、テキスト知覚分類(CrowdTSC)のためのクラウドベースニューラルネットワークを提案する。 質問をクラウドソーシングプラットフォームにデザインし、テキストでキーワードを収集します。 本稿では,注目に基づくニューラルネットワークと,収集したキーワードを人間のガイダンスとして組み込んだハイブリッドニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-26T14:08:15Z)
• EmotiCon: Context-Aware Multimodal Emotion Recognition using Frege's Principle [71.47160118286226]
  EmotiConは、ビデオや画像から知覚された人間の感情認識をコンテキスト認識する学習アルゴリズムである。 心理学からフレーゲの文脈原理に動機づけられた我々のアプローチは、感情認識のための文脈の3つの解釈を組み合わせたものである。 平均精度 (AP) スコアは26クラスで35.48であり, 従来の手法よりも7-8の改善が見られた。
  論文  参考訳（メタデータ） (2020-03-14T19:55:21Z)

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。