論文の概要: Leveraging Argument Structure to Predict Content Hatefulness

• arxiv url: http://arxiv.org/abs/2605.02457v1
• Date: Mon, 04 May 2026 11:03:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.249673
• Title: Leveraging Argument Structure to Predict Content Hatefulness
• Title（参考訳）: コンテンツ満足度予測のためのArgument構造の導入
• Abstract要約: 本稿では,問題領域の異なる領域をリンクする関連情報を提供するための議論構造の可能性を検討する。 特に,WSF-ARG+データセットに注目する。 そこでは、引数コンポーネントのチェックネスとヘイトフルネスアノテーションを活用して、メッセージ全体のヘイトフルネスに関する洞察を得る。
• 参考スコア（独自算出の注目度）: 1.961373767068207
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Information disorder is a challenging phenomenon that affects society at large. This phenomenon entails the diffusion of misleading, misinforming, and hateful content online. In different contexts, one aspect of the problem may prevail, but overall, this is a broad problem that requires comprehensive solutions. While each dimension of the problem (hate speech, disinformation, misinformation, etc.) requires in-depth analysis, in this paper, we look into the possibility of argument structure to provide relevant information to link these different areas of the problem. In particular, we focus on the WSF-ARG+ dataset, which consists of white supremacy forum messages annotated in terms of argument structure (premises and conclusion). There, we leverage the checkworthiness and hatefulness annotations of the argument components to obtain insights into the hatefulness of the whole message. Our results show promising insights (up to 96% F1), indicating the possibility of extending this direction in the future to tackle hateful content identification and information disorder countering.
• Abstract（参考訳）: 情報障害は社会全体に影響を及ぼす挑戦的な現象である。 この現象は、誤解を招く、誤解を招く、憎しみを抱くコンテンツをオンラインで拡散させる。 異なる文脈では、問題の1つの側面が優勢であるが、全体として、これは包括的な解決策を必要とする広範な問題である。 問題の各次元(ハッシュ音声、偽情報、誤情報等)は、詳細な分析を必要とするが、本稿では、問題の各領域をリンクするための関連する情報を提供するための議論構造の可能性について検討する。 特に、WSF-ARG+データセットは、議論構造(前提と結論)でアノテートされた白い超越性フォーラムメッセージで構成されている。 そこでは、引数コンポーネントのチェックネスとヘイトフルネスアノテーションを活用して、メッセージ全体のヘイトフルネスに関する洞察を得る。 以上の結果から, 今後, ヘイトフルコンテンツ識別や情報障害対策に取り組み, 今後この方向を拡大する可能性が示唆された(F1は96%)。

関連論文リスト

• How Data Narratives Go Wrong: A Taxonomy of Issues Across the Data Communication Process [26.086155122956132]
  データナラティブは、より広範な意味形成プロセスを通じて現れる。 TICは、データ、分析、視覚的エンコーディング、テキスト、推論、解釈の6つの次元にわたる繰り返し分解を整理する。
  論文  参考訳（メタデータ） (2026-07-12T00:54:15Z)
• Can Memory-Augmented LLM Agents Aid Journalism in Interpreting and Framing News for Diverse Audiences? [0.0]
  MADESは、社会的コミュニケーションをシミュレートするために設計されたエージェントベースのフレームワークである。 我々は、その反復的な議論プロセスを通じて、ニュースコンテンツ内の混乱と誤解を識別する。 以上の結果から, エージェントは補充資料を受け取った後, ニュース理解を著しく改善したことが明らかとなった。
  論文  参考訳（メタデータ） (2025-04-30T13:43:18Z)
• Iffy-Or-Not: Extending the Web to Support the Critical Evaluation of Fallacious Texts [33.47284009289366]
  Iffy-Or-Not (ION)は、テキストを読むときに批判的な思考を呼び起こそうとするブラウザ拡張である。 議論理論によってガイドされた3つの機能により、IONは誤ったコンテンツを強調し、それらを調査するための多様なクエリを提案し、他の人と検討し、チャットするためのより深い質問を提供する。 ユーザスタディ (N=18) から, ION はユーザのコンテンツに対する注意を喚起し, 自分に合った, あるいは好ましくないクエリを提案し, 思考を誘発する質問を提起し, 視点を広げる。
  論文  参考訳（メタデータ） (2025-03-18T16:50:20Z)
• Lost in the Middle, and In-Between: Enhancing Language Models' Ability to Reason Over Long Contexts in Multi-Hop QA [0.0]
  マルチホップ質問応答設定における「中間のロスト」問題の効果を示す。 文脈の端からの情報の距離に関して,性能が劣化することを示す。 また,過剰な文書の内容を減らすことで問題を緩和する方法を実験した。
  論文  参考訳（メタデータ） (2024-12-13T12:13:19Z)
• Open Domain Question Answering with Conflicting Contexts [55.739842087655774]
  あいまいでオープンなドメインの質問の25%は、Google Searchを使って検索すると、コンフリクトのあるコンテキストにつながります。 我々はアノテータに正しい回答の選択についての説明を依頼する。
  論文  参考訳（メタデータ） (2024-10-16T07:24:28Z)
• What Evidence Do Language Models Find Convincing? [94.90663008214918]
  議論の的になっているクエリと、さまざまな事実を含む実世界の証拠文書を組み合わせたデータセットを構築します。 このデータセットを用いて、感度と反ファクト分析を行い、どのテキスト特徴がLLM予測に最も影響するかを探索する。 全体として、現在のモデルは、クエリに対するWebサイトの関連性に大きく依存している一方で、人間が重要と考えるスタイル的特徴をほとんど無視している。
  論文  参考訳（メタデータ） (2024-02-19T02:15:34Z)
• Topological Data Mapping of Online Hate Speech, Misinformation, and General Mental Health: A Large Language Model Based Study [6.803493330690884]
  機械学習と大規模言語モデルの最近の進歩は、そのような分析を可能にした。 本研究では,ソーシャルメディアサイトReddit上で,慎重に選択されたコミュニティから何千もの投稿を収集した。 各種コミュニティにおけるヘイトスピーチ/誤情報の役割を理解するため,埋め込みに基づく各種機械学習分類を行った。
  論文  参考訳（メタデータ） (2023-09-22T15:10:36Z)
• A Review of Challenges in Machine Learning based Automated Hate Speech Detection [0.966840768820136]
  我々は、ヘイトスピーチ識別のための機械学習やディープラーニングベースのソリューションが直面する課題に焦点を当てている。 トップレベルでは、データレベル、モデルレベル、人間レベルの課題を区別します。 この調査は、ヘイトスピーチ検出の分野で、研究者がより効率的にソリューションを設計するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-09-12T14:56:14Z)
• Attacking Open-domain Question Answering by Injecting Misinformation [116.25434773461465]
  質問応答モデル(QA)に対する誤報のリスクについて,オープンドメインQAモデルの誤報文書に対する感度について検討した。 実験により、QAモデルは誤情報による少量の証拠汚染に対して脆弱であることが示されている。 質問応答と誤情報検出を統合した誤情報認識型QAシステムの構築の必要性について論じる。
  論文  参考訳（メタデータ） (2021-10-15T01:55:18Z)
• Competency Problems: On Finding and Removing Artifacts in Language Data [50.09608320112584]
  複雑な言語理解タスクでは、すべての単純な特徴相関が突発的であると論じる。 人間バイアスを考慮したコンピテンシー問題に対するデータ作成の難しさを理論的に分析します。
  論文  参考訳（メタデータ） (2021-04-17T21:34:10Z)
• Information Consumption and Social Response in a Segregated Environment: the Case of Gab [74.5095691235917]
  この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。 疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。 本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
  論文  参考訳（メタデータ） (2020-06-03T11:34:25Z)
• Survey on Visual Sentiment Analysis [87.20223213370004]
  本稿では、関連する出版物をレビューし、視覚知覚分析の分野の概要を概観する。 また,3つの視点から一般的な視覚知覚分析システムの設計原理について述べる。 様々なレベルの粒度と、異なる方法でイメージに対する感情に影響を与えるコンポーネントを考慮し、問題の定式化について論じる。
  論文  参考訳（メタデータ） (2020-04-24T10:15:22Z)
• Mining Disinformation and Fake News: Concepts, Methods, and Recent Advancements [55.33496599723126]
  偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています 偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
  論文  参考訳（メタデータ） (2020-01-02T21:01:02Z)

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。