論文の概要: Learning Moral Diversity: Modelling Individual Perspectives in Moral Classification of Texts

• arxiv url: http://arxiv.org/abs/2606.22771v1
• Date: Mon, 22 Jun 2026 02:19:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 21:26:47.461666
• Title: Learning Moral Diversity: Modelling Individual Perspectives in Moral Classification of Texts
• Title（参考訳）: モラル多様性の学習 : テキストのモラル分類における個人視点のモデル化
• Abstract要約: 我々は、アノテータ固有の特徴を学習するレイヤで事前訓練された言語モデルを拡張します。 我々のモデルは、個々のアノテーションの予測を改善し、アノテータの道徳的視点に対する意味のある洞察を明らかにする表現を与える。
• 参考スコア（独自算出の注目度）: 7.927346467214517
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding moral values in social media text offers insight into moral judgement formation, and supervised NLP models trained on crowdsourced data have achieved strong classification performance. However, most approaches simplify the problem by aggregating multiple annotators' labels into a single "ground truth", overlooking the inherent subjectivity of the task. In practice, there are disagreements between annotators caused by personal viewpoint or inherent ambiguities, particularly for short tweets. Here, we extend a pretrained language model with a layer that learns annotator-specific features. Our model improves predictions of individual annotations and yields representations that reveal meaningful insights into annotators' moral perspectives. We show that models trained on aggregated labels may hide variation and give a misleading impression of performance. Overall, we demonstrate that disagreement reflects the inherent subjectivity of the task and that modelling individual perspectives creates benefits for moral classification of texts.
• Abstract（参考訳）: ソーシャルメディアのテキストで道徳的価値を理解することは、道徳的判断の形成に関する洞察を与え、クラウドソースデータに基づいて訓練された教師付きNLPモデルは、強力な分類性能を達成した。 しかし、ほとんどのアプローチは、複数のアノテータのラベルを単一の「地下真実」に集約することで問題を単純化し、タスクの固有の主観性を見越す。 実際には、個人的視点や固有の曖昧さ、特に短いつぶやきに起因したアノテーターの間には意見の相違がある。 ここでは、アノテータ固有の特徴を学習するレイヤで事前訓練された言語モデルを拡張する。 我々のモデルは、個々のアノテーションの予測を改善し、アノテータの道徳的視点に対する意味のある洞察を明らかにする表現を与える。 集約ラベルでトレーニングされたモデルが変動を隠蔽し、性能の誤解を招く可能性があることを示す。 全体として、不一致はタスクの固有の主観性を反映し、個別の視点をモデル化することは、テキストの道徳的分類に利益をもたらすことを実証する。

関連論文リスト

• Personalized Image Descriptions from Attention Sequences [55.65023709100682]
  異なる領域、オブジェクト、詳細をさまざまな順序で参照し、異なる言語スタイルで記述する。 パーソナライズされた画像記述のための既存のモデルは、個々の視聴パターンを活用する以前の作業がなく、言語スタイルのみに焦点を当てている。 我々は、パーソナライズされた視聴動作を記述生成のコアファクターとして明示的にモデル化することで、このギャップに対処する。 そこで,本手法では,補助的な注意制御タスクによって誘導される言語スタイルと視聴行動の両方をキャプチャする対象埋め込みについて学習する。軽量なアダプタは,これらの埋め込みを凍結した視覚言語モデルと整合させ,再訓練を行なわずにパーソナライズすることができる。
  論文  参考訳（メタデータ） (2025-12-07T05:23:18Z)
• MoralBERT: A Fine-Tuned Language Model for Capturing Moral Values in Social Discussions [4.747987317906765]
  道徳的価値は、情報を評価し、意思決定し、重要な社会問題に関する判断を形成する上で、基本的な役割を担います。 自然言語処理(NLP)の最近の進歩は、人文コンテンツにおいて道徳的価値を測ることができることを示している。 本稿では、社会談話における道徳的感情を捉えるために微調整された言語表現モデルであるMoralBERTを紹介する。
  論文  参考訳（メタデータ） (2024-03-12T14:12:59Z)
• Capturing Perspectives of Crowdsourced Annotators in Subjective Learning Tasks [9.110872603799839]
  監督された分類は、人間によって注釈付けされたデータセットに大きく依存する。 毒性分類などの主観的なタスクでは、これらのアノテーションはラッカー間での合意が低くなることが多い。 本研究では、主観的分類タスクのためのtextbfAnnotator Awares for Texts (AART) を提案する。
  論文  参考訳（メタデータ） (2023-11-16T10:18:32Z)
• Architectural Sweet Spots for Modeling Human Label Variation by the Example of Argument Quality: It's Best to Relate Perspectives! [4.478789600295492]
  自然言語処理における個々の視点と共有視点の相互作用を考察する。 本稿では,異なるアノテータ間の関係をモデル化するレイヤを含むアーキテクチャが,単一アノテータラベルの予測にどの程度有用かを検討する。 本研究は,主観的アプローチが個人的視点に結びつくことのメリットを示唆するものである。
  論文  参考訳（メタデータ） (2023-11-06T14:47:48Z)
• Visual Grounding Helps Learn Word Meanings in Low-Data Regimes [47.7950860342515]
  現代のニューラル言語モデル(LM)は、人間の文の生成と理解をモデル化するための強力なツールである。 しかし、これらの結果を得るためには、LMは明らかに非人間的な方法で訓練されなければならない。 より自然主義的に訓練されたモデルは、より人間らしい言語学習を示すのか? 本稿では,言語習得における重要なサブタスクである単語学習の文脈において,この問題を考察する。
  論文  参考訳（メタデータ） (2023-10-20T03:33:36Z)
• Learning Transferable Pedestrian Representation from Multimodal Information Supervision [174.5150760804929]
  VAL-PATは、移動可能な表現を学習し、様々な歩行者分析タスクをマルチモーダル情報で強化する新しいフレームワークである。 まず、LUPerson-TAデータセットで事前トレーニングを行い、各画像にはテキストと属性アノテーションが含まれている。 次に、学習した表現を、人物のreID、人物属性認識、テキストベースの人物検索など、さまざまな下流タスクに転送する。
  論文  参考訳（メタデータ） (2023-04-12T01:20:58Z)
• Localization vs. Semantics: Visual Representations in Unimodal and Multimodal Models [57.08925810659545]
  既存の視覚・言語モデルと視覚のみのモデルにおける視覚表現の比較分析を行う。 我々の経験的観察は、視覚・言語モデルがラベル予測タスクに優れていることを示唆している。 我々の研究は、視覚学習における言語の役割に光を当て、様々な事前学習モデルの実証的なガイドとして機能することを願っている。
  論文  参考訳（メタデータ） (2022-12-01T05:00:18Z)
• SeedBERT: Recovering Annotator Rating Distributions from an Aggregated Label [43.23903984174963]
  単一ラベルからアノテータ評価分布を復元するSeedBERTを提案する。 人間の評価は,SeedBERTの注意機構がアノテータの不一致の原因と一致していることを示している。
  論文  参考訳（メタデータ） (2022-11-23T18:35:15Z)
• Noise Audits Improve Moral Foundation Classification [5.7685650619372595]
  道徳は文化、アイデンティティ、感情において重要な役割を果たす。 近年の自然言語処理の進歩により、テキストで表される道徳的価値を大規模に分類することが可能であることが示されている。 モラル分類は、テキストのモラル表現をラベル付けするために人間のアノテータに依存している。
  論文  参考訳（メタデータ） (2022-10-13T23:37:47Z)
• VGSE: Visually-Grounded Semantic Embeddings for Zero-Shot Learning [113.50220968583353]
  ゼロショット学習のための識別的視覚特性を含むセマンティック埋め込みを発見することを提案する。 本モデルでは,画像の集合を視覚的類似性に応じて局所的な画像領域の集合に視覚的に分割する。 視覚的に接地されたセマンティック埋め込みは、様々なZSLモデルにまたがる単語埋め込みよりも、大きなマージンで性能を向上することを示した。
  論文  参考訳（メタデータ） (2022-03-20T03:49:02Z)
• Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
  Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。 非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。 本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-05-29T21:05:28Z)
• Quantifying Learnability and Describability of Visual Concepts Emerging in Representation Learning [91.58529629419135]
  我々は、ディープニューラルネットワークによって自動的に発見された視覚的なグルーピングを特徴付ける方法を検討する。 本稿では、任意の画像グループ化の解釈可能性の定量化に使用できる視覚的学習可能性と記述可能性という2つの概念を紹介する。
  論文  参考訳（メタデータ） (2020-10-27T18:41:49Z)

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。