論文の概要: Using machine learning to build public policy agenda from social media conversations

• arxiv url: http://arxiv.org/abs/2606.20604v1
• Date: Thu, 21 May 2026 10:40:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 23:20:20.017822
• Title: Using machine learning to build public policy agenda from social media conversations
• Title（参考訳）: 機械学習を使ってソーシャルメディアの会話から公共政策アジェンダを構築する
• Authors: Rahman Sanya,
• Abstract要約: 本稿では、ソーシャルメディアの会話から公共の関心事を特定するための機械学習(ML)アプローチを提案する。 このアプローチは、入力データのクリーニングと前処理、キーワード抽出と課題識別、物語生成、物語検証、アジェンダ検証という5つのステージで構成されている。
• 参考スコア（独自算出の注目度）: 0.8883733362171032
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Issue identification and agenda setting represents an important stage in the public policy making process. Traditional approaches for carrying out activities under this stage are time- and labor-intensive on data collection and analysis, in addition to being costly to scale over large geographic areas. In this work we propose a human-augmented machine learning (ML) approach for identifying matters of public interest from social media conversations. The approach consists of five stages namely, input data cleaning and preprocessing, keywords extraction and issue identification, narrative creation, narrative validation, and agenda validation. We implemented experiments to validate the output of our method based on a Twitter dataset and using Latent Dirichlet Allocation (LDA) and Top2Vec for topic modeling. Natural Language Generation (NLG) was achieved using GPT-2 while narrative and agenda validation were based on similarity analysis and human evaluation. We achieved "very good" and "good" inter-rater agreement (IRA) on readability and coherence of agenda narrative generation by our GPT-2 model. On the other hand, IRA was "good" for generated agenda items. We also achieved above average cosine similarity score on at least three out of five reference text (narrative) themes. These results demonstrate that the ML approach represents a promising methodology for identifying issues of public interest from social media conversations.
• Abstract（参考訳）: 課題特定と議題設定は、公共政策作成プロセスにおける重要な段階である。 この段階での活動を行う従来のアプローチは、データ収集と分析に時間的および労働的集約的であり、大規模な地理的領域をスケールするために費用がかかる。 本研究では、ソーシャルメディアの会話から公共の関心事を特定するための機械学習(ML)アプローチを提案する。 このアプローチは、入力データのクリーニングと前処理、キーワード抽出と課題識別、物語生成、物語検証、アジェンダ検証という5つのステージで構成されている。 提案手法をTwitterデータセットに基づいて評価し,トピックモデリングにLDAとTop2Vecを用いた実験を行った。 ナチュラル言語生成(NLG)はGPT-2を用いて達成され,ナラティブとアジェンダの検証は類似性分析と人的評価に基づいて行われた。 我々は、GPT-2モデルによるアジェンダ物語生成の可読性と一貫性について、「非常に良い」レータ間合意(IRA)を達成した。 一方、IRAは生成したアジェンダ項目に対して"よい"ものでした。 また,5つの基準文(物語)テーマのうち,少なくとも3つについて,平均コサイン類似度スコアを達成した。 これらの結果から、MLアプローチは、ソーシャルメディアの会話から公共の関心事の問題を識別するための有望な方法論であることが示された。

関連論文リスト

• Integrating Large Language Models and Knowledge Graphs to Capture Political Viewpoints in News Media [3.509771256227556]
  与えられたトピックについて表現された視点の範囲を特定するパイプラインを開発する。 また、Wikidataから引き出されたセマンティックな記述でクレーム表現を豊かにしています。 英国移民論争を中心としたベンチマークで、代替ソリューションに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-12-16T20:10:55Z)
• Decoding Alignment: A Critical Survey of LLM Development Initiatives through Value-setting and Data-centric Lens [13.673455616267816]
  AIアライメントは、大規模言語モデルの開発におけるポストトレーニングフェーズの基盤となっている。 この研究は、価値設定とデータ中心の観点から、アライメントがどのように理解され、実際に適用されるかを明らかにすることを目的としています。
  論文  参考訳（メタデータ） (2025-08-23T10:18:43Z)
• Time Series Analysis of Key Societal Events as Reflected in Complex Social Media Data Streams [0.9790236766474201]
  本研究では,ニッチなソーシャルメディアプラットフォームであるGABと,確立されたメッセージングサービスであるTelegramの物語進化について検討する。 我々のアプローチは、複数のソーシャルメディアドメインを調査し、他の方法では見えない重要な情報を排除するための新しいモードである。 主な知見は,(1) 時間線をデコンストラクトして, 解釈を改善するための有用なデータ機能を提供すること,(2) 一般化の基盤を提供する方法論を適用すること,である。
  論文  参考訳（メタデータ） (2024-03-11T18:33:56Z)
• Unlocking Structure Measuring: Introducing PDD, an Automatic Metric for Positional Discourse Coherence [39.065349875944634]
  本稿では,2つの長文間の談話の相違を定量化する手法を提案する。 ヒトの嗜好やGPT-4のコヒーレンス評価とより密接に一致し,既存の評価方法よりも優れていた。
  論文  参考訳（メタデータ） (2024-02-15T18:23:39Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• 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)

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。