論文の概要: Understanding Interpretation Difficulty in Harmful Online Communication: Insights from Cybercrime Communities

• arxiv url: http://arxiv.org/abs/2607.07277v1
• Date: Wed, 08 Jul 2026 11:09:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.358997
• Title: Understanding Interpretation Difficulty in Harmful Online Communication: Insights from Cybercrime Communities
• Title（参考訳）: 有害オンラインコミュニケーションにおける解釈困難を理解する:サイバー犯罪コミュニティからの洞察
• Abstract要約: 本稿では,サイバー犯罪に関連するDiscordチャットにおける解釈難度に関する探索的研究について述べる。 我々は、目的的に選択された難しいメッセージの参照解釈を構築する。 次に、異なる文脈条件下での人間と大規模言語モデル(LLM)の解釈を評価する。
• 参考スコア（独自算出の注目度）: 1.2124621973070164
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Harmful online communication often contains slang, coded terms, abbreviations, and community-specific expressions, which make messages difficult to interpret. This paper presents an exploratory study of interpretation difficulty in Discord chats related to cybercrime. We construct reference interpretations of purposefully selected difficult messages, which were reviewed by an expert. We then use them to evaluate human and large language model (LLM) interpretations under different context conditions. The results show that local context alone is often insufficient for humans, while external knowledge and extended conversational context substantially improve human interpretation. For LLMs, local context also improves interpretation, and the larger model performs better. We further conduct a qualitative error analysis and propose a preliminary classification of factors that make harmful chats difficult to interpret. These findings suggest that harmful-content analysis should treat interpretation as an evidence-integration problem, rather than as message-level classification alone.
• Abstract（参考訳）: 有害なオンラインコミュニケーションには、しばしばスラング、コード化された用語、略語、コミュニティ固有の表現が含まれており、メッセージの解釈が困難である。 本稿では,サイバー犯罪に関連するDiscordチャットにおける解釈難度に関する探索的研究について述べる。 目的選択された難解なメッセージの参照解釈を構築し,専門家がレビューした。 次に、異なる文脈条件下での人間と大規模言語モデル(LLM)の解釈を評価する。 その結果,外部知識と会話コンテキストの拡張が人間の解釈を著しく改善する一方,局所的文脈だけでは人間には不十分であることが示唆された。 LLMでは、ローカルコンテキストでも解釈が改善し、より大きなモデルの性能が向上する。 さらに、質的な誤り分析を行い、有害なチャットを解釈しにくくする要因の予備的分類を提案する。 これらの結果から, 有害コンテンツ分析は, メッセージレベルの分類のみではなく, 解釈をエビデンス統合問題として扱うべきであることが示唆された。

関連論文リスト

• Beneath the Surface: Investigating LLMs' Capabilities for Communicating with Subtext [14.367312995215393]
  言語モデルがコミュニケーション設定でサブテキストを利用できるかどうかを体系的に研究する。 評価設定は、アレーゴリーの書き書きや解釈からマルチエージェントゲームやマルチモーダルゲームまで様々である。
  論文  参考訳（メタデータ） (2026-04-07T00:14:33Z)
• Slang Context-based Inference Enhancement via Greedy Search-Guided Chain-of-Thought Prompting [3.2239703628634095]
  本稿では,大規模言語モデルを用いたスラング推論の課題について検討する。 本稿では,スラング解釈のための下品な検索誘導型チェーン・オブ・ソート・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-15T18:15:11Z)
• EMODIS: A Benchmark for Context-Dependent Emoji Disambiguation in Large Language Models [6.145223237741804]
  大規模言語モデル(LLM)は、現実世界の通信環境にますます展開されているが、文脈に依存したあいまいさを解決できる能力はまだ未定である。 我々は,最小かつコントラッシブな文脈下で曖昧な絵文字表現を解釈するLLMの能力を評価するための新しいベンチマークEMODISを提案する。
  論文  参考訳（メタデータ） (2025-11-10T15:24:01Z)
• Liaozhai through the Looking-Glass: On Paratextual Explicitation of Culture-Bound Terms in Machine Translation [70.43884512651668]
  我々は、文学・翻訳研究からジェネットのパラテキスト論(1987年)を定式化し、機械翻訳におけるパラテキスト明示の課題を紹介した。 古典中国語の短編集集Liaozhaiの4つの英訳から560の専門家対応パラテキストのデータセットを構築した。 本研究は,言語的等価性を超えた機械翻訳におけるパラテクスト的明示の可能性を示すものである。
  論文  参考訳（メタデータ） (2025-09-27T16:27:36Z)
• Do LLMs Understand Your Translations? Evaluating Paragraph-level MT with Question Answering [68.3400058037817]
  本稿では,TREQA(Translation Evaluation via Question-Answering)について紹介する。 我々は,TREQAが最先端のニューラルネットワークとLLMベースのメトリクスより優れていることを示し,代用段落レベルの翻訳をランク付けする。
  論文  参考訳（メタデータ） (2025-04-10T09:24:54Z)
• Interpretation modeling: Social grounding of sentences by reasoning over their implicit moral judgments [24.133419857271505]
  単一のゴールド標準解釈はほとんど存在せず、自然言語処理における従来の仮定に挑戦する。 この研究は、文の基本的意味論のいくつかの解釈をモデル化することを含む解釈モデリング(IM)タスクを導入する。 実験と分析をサポートするために、第一種IMデータセットがキュレーションされている。
  論文  参考訳（メタデータ） (2023-11-27T07:50:55Z)
• SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
  我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。 SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
  論文  参考訳（メタデータ） (2023-10-27T06:48:48Z)
• Natural Language Decompositions of Implicit Content Enable Better Text Representations [52.992875653864076]
  本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。 我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。 本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
  論文  参考訳（メタデータ） (2023-05-23T23:45:20Z)
• Did they answer? Subjective acts and intents in conversational discourse [48.63528550837949]
  英会話の複数の主観的かつ主観的な解釈を含む最初の対話データセットを提示する。 意見の相違が曖昧であることを示し、異なる文脈要因についてより深く理解する必要がある。
  論文  参考訳（メタデータ） (2021-04-09T16:34:19Z)
• Interpretable Deep Learning: Interpretations, Interpretability, Trustworthiness, and Beyond [49.93153180169685]
  一般に混同される2つの基本的な概念(解釈と解釈可能性)を紹介・明らかにする。 我々は,新しい分類法を提案することにより,異なる視点から,最近のいくつかの解釈アルゴリズムの設計を詳細に述べる。 信頼される」解釈アルゴリズムを用いてモデルの解釈可能性を評価する上での既存の作業をまとめる。
  論文  参考訳（メタデータ） (2021-03-19T08:40:30Z)

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。