論文の概要: EquiSumm : A Gender Bias-Aware Framework for Inclusive Tweet Summarization

• arxiv url: http://arxiv.org/abs/2605.23412v1
• Date: Fri, 22 May 2026 09:22:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.283601
• Title: EquiSumm : A Gender Bias-Aware Framework for Inclusive Tweet Summarization
• Title（参考訳）: EquiSumm : 包括的つぶやき要約のためのジェンダーバイアス認識フレームワーク
• Authors: Chaitanya Wanjari, Jessica Kamal, Riddhi Jain, Samruddhi Kurhe, Roshni Chakraborty,
• Abstract要約: Twitterのようなソーシャルメディアプラットフォームは、ニュースイベントの間、大規模な意見共有の媒体を提供する。 個人やメディアが大量のコンテンツを処理して重要な視点を特定することは、手動では不可能である。 本稿では,共有意見のジェンダー的側面を考慮して要約を生成するEquiSummを提案する。
• 参考スコア（独自算出の注目度）: 0.5437050212139087
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While social media platforms, such as Twitter, provide a medium for large-scale opinion sharing during news events, it is manually impossible for individuals or media agencies to process the vast volume of content to identify key viewpoints. In order to resolve this, several automatic summarization techniques have been proposed to condense large collections of tweets into concise and informative summaries. However, these algorithms do not explicitly consider demographic fairness. Several existing research works have developed automated summarization approaches that can provide a holistic overview of the key aspects and major opinions shared on social media platforms related to a news event. However, these approaches do not explicitly consider different forms of demographic representation, such as gender, which can lead to biased summary representation. In this paper, we propose EquiSumm, which considers the gender aspect of the shared opinion to generate a summary, and our experimental analysis on two major datasets indicates the performance effectiveness with respect to existing research works.
• Abstract（参考訳）: Twitterのようなソーシャルメディアプラットフォームは、ニュースイベント中に大規模な意見共有の媒体を提供するが、個人やメディアが大量のコンテンツを手動で処理して重要な視点を特定することは不可能である。 これを解決するために,大量のツイートを簡潔かつ情報的な要約にまとめる,いくつかの自動要約手法が提案されている。 しかし、これらのアルゴリズムは人口統計学的公正性を明確に考慮していない。 いくつかの既存研究は、ニュースイベントに関連するソーシャルメディアプラットフォーム上で共有される重要な側面と主要な意見の全体的概要を提供するために、自動要約アプローチを開発した。 しかし、これらのアプローチは、性別などの異なる形態の人口表現を明示的に考慮していないため、偏りのある要約表現につながる可能性がある。 本稿では,共有意見のジェンダー的側面を考察して要約を生成するEquiSummを提案する。

関連論文リスト

• Overview of PerpectiveArg2024: The First Shared Task on Perspective Argument Retrieval [56.66761232081188]
  本稿では,社会における少数派・多数派を代表する年齢,性別,政治的態度など,人口・社会文化(社会)の多様性を包括する新しいデータセットを提案する。 パースペクティビズムを取り入れる上での重大な課題は、特に社会的なプロファイルを明示的に提供せずに、議論のテキストのみに基づくパーソナライズを目指す場合である。 パーソナライズと分極の低減を図るため, パーソナライズを最適化するためには, パーソナライズされた論証検索をブートストラップするが, さらなる研究が不可欠である。
  論文  参考訳（メタデータ） (2024-07-29T03:14:57Z)
• Fair Abstractive Summarization of Diverse Perspectives [103.08300574459783]
  公平な要約は、特定のグループを過小評価することなく、多様な視点を包括的にカバーしなければなりません。 はじめに、抽象的な要約における公正性は、いかなる集団の視点にも過小評価されないものとして、正式に定義する。 本研究では,対象視点と対象視点の差を測定することで,基準のない4つの自動計測手法を提案する。
  論文  参考訳（メタデータ） (2023-11-14T03:38:55Z)
• Bias in News Summarization: Measures, Pitfalls and Corpora [4.917075909999548]
  本稿では,要約モデルにおけるバイアス付き行動の定義と実用運用について紹介する。 目的合成モデルと汎用チャットモデルの両方で生成された英語要約における性別バイアスを測定する。 単一文書要約におけるコンテンツ選択は、性バイアスの影響をほとんど受けていないが、幻覚は偏見の証拠である。
  論文  参考訳（メタデータ） (2023-09-14T22:20:27Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• GenderedNews: Une approche computationnelle des \'ecarts de repr\'esentation des genres dans la presse fran\c{c}aise [0.0]
  GenderedNews (urlhttps://gendered-news.imag.fr)は、フランスのオンラインメディアで毎週男女不均衡を計測するオンラインダッシュボードである。 メディアにおけるジェンダーの不平等の定量化には自然言語処理(NLP)手法を用いる。 毎日収集されるデータ(フランスのオンラインニュースメディアの7つの主要タイトル)と、メトリクスの背後にある方法論について説明する。
  論文  参考訳（メタデータ） (2022-02-11T15:16:49Z)

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。