Fugu-MT 論文翻訳(概要): Comparing Architectures for Supervised Political Scaling

論文の概要: Comparing Architectures for Supervised Political Scaling

arxiv url: http://arxiv.org/abs/2607.01464v1
Date: Wed, 01 Jul 2026 20:49:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-03 19:45:08.590513
Title: Comparing Architectures for Supervised Political Scaling
Title（参考訳）: 監視された政治スケーリングのためのアーキテクチャの比較
Abstract要約: 政治役者をイデオロギー的な規模に位置づけるのが基本的課題である。分類と回帰に基づくアプローチを含む様々なNLP手法が提案されている。 a) 個別にではなく、共同でスケールを予測することによって、スケーリングメソッドのパフォーマンスを向上させることができるか? (b)分類と回帰の間に中間点があるか。
参考スコア（独自算出の注目度）: 6.1335559884409685
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Text scaling, the task of positioning political actors on an ideological scale, is a fundamental task in political analysis. To ease the need for manual analysis, various NLP methods have been proposed for this task, including classification- and regression-based approaches, showing successes as well as limitations. The goal of our paper is to consolidate the state of the art in this area. We ask two questions: (a) Can the performance of scaling methods be improved by predicting scales not individually but jointly? (b) Is there a middle ground between classification and regression?
Abstract（参考訳）: テキストスケーリングは、政治的アクターをイデオロギー的なスケールで位置づけるタスクであり、政治分析の基本的なタスクである。手動解析の必要性を緩和するために、分類と回帰に基づくアプローチを含む様々なNLP手法が提案されている。本論文の目的は, この領域における最先端技術の統合である。私たちは2つの質問をします。 (a)個別ではなく共同でスケールを予測することにより,スケーリング手法の性能を向上させることができるか? (b)分類と回帰の間に中間点があるか。

関連論文リスト

Multiclass Sentiment Analysis for Identifying Political Viewpoints [7.5332488078934015]
ソーシャルメディアにおける政治的視点のマルチクラス感情分析について検討する。我々は,XGBoostとBERTに基づく2つの機械学習手法の設計と評価を行った。実験の結果,XGBoostモデルが0.2835F1スコアに達し,BERTモデルが0.2806F1スコアに達した。
論文参考訳（メタデータ） (2026-08-11T15:21:23Z)
Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
論文参考訳（メタデータ） (2025-10-16T20:30:20Z)
Measuring Algorithmic Partisanship via Zero-Shot Classification and Its Implications on Political Discourse [0.0]
本研究は,ゼロショット分類手法を用いて,アルゴリズム的政治的パルチザン性を評価する。 6つの主要な大言語モデルにまたがる1800のモデル応答は、4つの異なる微調整された分類アルゴリズムに個別に入力された。その結果、リベラルな権威主義的アライメントが増幅され、推理スーパーセッションや缶詰の拒絶の顕著な事例が示された。
論文参考訳（メタデータ） (2025-09-25T05:26:20Z)
The Impact of Persona-based Political Perspectives on Hateful Content Detection [4.04666623219944]
政治的に多様な言語モデルは、多くの研究者や組織にアクセスできない計算資源を必要とする。近年の研究では、ペルソナをベースとしたプロンプトが、追加の訓練なしに、モデルアウトプットに政治的多様性をもたらすことが確認されている。本稿では、下流業務における政治的事前訓練に匹敵する結果が得られるかどうかを考察する。
論文参考訳（メタデータ） (2025-02-01T09:53:17Z)
Statistical Analysis of Policy Space Compression Problem [54.1754937830779]
政策探索手法は強化学習において重要であり、継続的な状態反応と部分的に観察可能な問題に対処するための枠組みを提供する。政策圧縮による政策空間の削減は、学習プロセスを加速するための強力で報酬のないアプローチとして現れます。この手法は方針空間をより小さく代表的な集合に凝縮し、元の効果のほとんどを維持している。
論文参考訳（メタデータ） (2024-11-15T02:46:55Z)
Semantic Scaling: Bayesian Ideal Point Estimates with Large Language Models [0.0]
セマンティックスケーリング(Semantic Scaling)はテキストから理想的な点推定法である。私は、大きな言語モデルを利用して、その表現された姿勢に基づいて文書を分類し、調査のようなデータを抽出します。 Semantic Scalingは、既存のテキストベースのスケーリングメソッドを大幅に改善する。
論文参考訳（メタデータ） (2024-05-03T20:20:15Z)
Multilingual estimation of political-party positioning: From label aggregation to long-input Transformers [3.651047982634467]
我々は、政党マニフェストの自動スケーリング分析に2つのアプローチを実装し、比較する。このタスクは最先端のモデルによって効率よく解決でき、ラベルアグリゲーションが最良の結果をもたらすことが判明した。
論文参考訳（メタデータ） (2023-10-19T08:34:48Z)
Evaluating the Fairness of Discriminative Foundation Models in Computer Vision [51.176061115977774]
本稿では,CLIP (Contrastive Language-Pretraining) などの差別基盤モデルのバイアス評価のための新しい分類法を提案する。そして、これらのモデルにおけるバイアスを緩和するための既存の手法を分類学に関して体系的に評価する。具体的には,ゼロショット分類,画像検索,画像キャプションなど,OpenAIのCLIPとOpenCLIPモデルをキーアプリケーションとして評価する。
論文参考訳（メタデータ） (2023-10-18T10:32:39Z)
Fairness meets Cross-Domain Learning: a new perspective on Models and Metrics [80.07271410743806]
クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
論文参考訳（メタデータ） (2023-03-25T09:34:05Z)
Identification of Subgroups With Similar Benefits in Off-Policy Policy Evaluation [60.71312668265873]
我々は,パーソナライズの必要性と自信ある予測とのバランスをとる方法を開発した。本手法は不均一な治療効果の正確な予測に有効であることを示す。
論文参考訳（メタデータ） (2021-11-28T23:19:12Z)
Policy Evaluation Networks [50.53250641051648]
我々は,簡潔な埋め込みにおいて重要なポリシー情報を保持できる,スケーラブルで差別化可能なフィンガープリント機構を導入する。実験の結果、これらの3つの要素を組み合わせることで、トレーニングデータを生成するものよりも優れたポリシーを作成できることが示された。
論文参考訳（メタデータ） (2020-02-26T23:00:27Z)

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。