論文の概要: Structuring the Space of Perspectives

• arxiv url: http://arxiv.org/abs/2608.12113v1
• Date: Wed, 12 Aug 2026 14:32:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.614273
• Title: Structuring the Space of Perspectives
• Title（参考訳）: 展望空間の構築
• Abstract要約: テキスト分析からアルゴリズム最適化まで、さまざまなNLP領域が視点に関与している。 これらの概念のより深い理論的理解は、視点に関するより効果的な研究を促進するだろう。 この概念的階層は、研究者がフィールドをナビゲートし、特定の研究目的に沿った視点の運用を選択するのにどのように役立つかを示す。
• 参考スコア（独自算出の注目度）: 7.897963124423516
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The same event can be reported from different perspectives depending on the experiences, background, and beliefs of the writer or speaker. A variety of NLP areas engage with perspectives, spanning from text analysis to algorithm optimization. A wide range of operative concepts (such as stances, sentiment, frames, and arguments) has been used to capture perspectives in texts, however the precise relationships among those concepts remain unclear. Arguably, a deeper theoretical understanding of these concepts would empower more effective research on perspectives. In this paper, we address this gap by reviewing the space of perspectives in NLP and defining a set of properties that help distinguishing perspective-related concepts. Our analysis leads us to posit a hierarchy which organizes these concepts linearly along a single axis. Finally, we show how this principled conceptual hierarchy can help researchers navigate the field and select operationalizations of perspective that align with their specific research objectives.
• Abstract（参考訳）: 同じ出来事は、作家や講演者の経験、背景、信念によって異なる視点から報告することができる。 テキスト分析からアルゴリズム最適化まで、さまざまなNLP領域が視点に関与している。 テキストの視点を捉えるために、幅広い操作概念(スタンス、感情、フレーム、議論など)が使われているが、それらの概念間の正確な関係ははっきりしていない。 おそらく、これらの概念のより深い理論的理解は、視点に関するより効果的な研究を促進するだろう。 本稿では,NLPにおける視点空間をレビューし,視点関連概念の識別を支援する特性セットを定義することにより,このギャップに対処する。 我々の分析は、これらの概念を1つの軸に沿って線形に整理する階層を定式化する。 最後に、この原理的概念階層が、研究者がフィールドをナビゲートし、特定の研究目的に沿った視点の運用を選択するのにどのように役立つかを示す。

関連論文リスト

• HistLens: Mapping Idea Change across Concepts and Corpora [23.935379969646394]
  HistLensは、多概念、マルチコーパスの概念的歴史分析のための統一されたSAEベースのフレームワークである。 HistLensは、概念進化のパターンのクロスコンセプション、クロスコーパスをサポートし、暗黙的な概念計算を可能にする。
  論文  参考訳（メタデータ） (2026-04-13T17:22:02Z)
• A Geometric Unification of Concept Learning with Concept Cones [58.70836885177496]
  解釈可能性の2つの伝統は、並べて進化してきたが、互いに話すことはめったにない:概念ボトルネックモデル(CBM)とスパースオートエンコーダ(SAE)。 両パラダイムが同じ幾何学的構造をインスタンス化することを示す。 CBMは人間の定義した参照ジオメトリを提供するが、SAEは学習した円錐がCBMをどの程度よく近似するか、あるいは包含しているかによって評価することができる。
  論文  参考訳（メタデータ） (2025-12-08T09:51:46Z)
• The Power of Network Pluralism: Multi-Perspective Modeling of Heterogeneous Legal Document Networks [5.170807667319542]
  本稿では,マルチパースペクティビティを活用し,より完全で有意義でロバストな結果を得る概念的枠組みとして,ネットワーク多元論を紹介した。 我々は、複雑な法体系のハンズオン分析を通じて、このアプローチの利点を開発し、実証する。 我々の研究は、ドメイン駆動ネットワーク研究におけるネットワーク多元論の広範な採用を促進するための青写真として機能する。
  論文  参考訳（メタデータ） (2025-12-05T12:47:43Z)
• From Perception to Cognition: A Survey of Vision-Language Interactive Reasoning in Multimodal Large Language Models [66.36007274540113]
  MLLM(Multimodal Large Language Models)は、物理的世界に対する深い人間的な理解と相互作用を達成するための試みである。 情報取得(知覚)や推論(認知)を行う際、しばしば浅く不整合な統合を示す。 この調査では、新しい統合分析フレームワーク「知覚から認知へ」を紹介した。
  論文  参考訳（メタデータ） (2025-09-29T18:25:40Z)
• Explain Before You Answer: A Survey on Compositional Visual Reasoning [74.27548620675748]
  構成的視覚推論は、マルチモーダルAIにおける重要な研究フロンティアとして登場した。 本調査は,トップ会場(CVPR,ICCV,NeurIPS,ICML,ACLなど)から260以上の論文を体系的にレビューする。 次に60以上のベンチマークとそれに対応するメトリクスを、基底精度、連鎖忠実性、高分解能知覚などの次元に沿って探索する。
  論文  参考訳（メタデータ） (2025-08-24T11:01:51Z)
• Revealing emergent human-like conceptual representations from language prediction [90.73285317321312]
  大規模言語モデル(LLMs)は、人間らしい振る舞いを示すテキストの次のトーケン予測によってのみ訓練される。 これらのモデルでは、概念は人間のものと似ていますか? LLMは、他の概念に関する文脈的手がかりに関連して、言語記述から柔軟に概念を導出できることがわかった。
  論文  参考訳（メタデータ） (2025-01-21T23:54:17Z)
• Discovering emergent connections in quantum physics research via dynamic word embeddings [0.562479170374811]
  概念結合予測のための動的単語埋め込みに基づく新しい手法を提案する。 知識グラフとは異なり,本手法は概念間の暗黙の関係を捉え,教師なしの方法で学習し,より広い範囲の情報を符号化する。 この表現は、科学文献における概念的関係をモデル化するための、より柔軟で情報的な方法を提供することを示唆している。
  論文  参考訳（メタデータ） (2024-11-10T19:45:59Z)
• On the Role of Entity and Event Level Conceptualization in Generalizable Reasoning: A Survey of Tasks, Methods, Applications, and Future Directions [62.06913340614293]
  本稿では,概念化されるインスタンスのタイプに基づいて,異なる概念化のタイプを4つのレベルに分類する。 本稿では,150以上の論文を包括的に調査し,概念化に関連するさまざまな定義,リソース,手法,下流アプリケーションについて調査する。
  論文  参考訳（メタデータ） (2024-06-16T10:32:41Z)
• Aspect-oriented Opinion Alignment Network for Aspect-Based Sentiment Classification [14.212306015270208]
  本稿では、意見語とそれに対応する側面の文脈的関連を捉えるために、アスペクト指向オピニオンアライメントネットワーク(AOAN)を提案する。 さらに,対象の側面に関連性のある意見情報を一致させる多視点的注意機構を設計する。 提案モデルでは,3つのベンチマークデータセットに対して最先端の結果が得られた。
  論文  参考訳（メタデータ） (2023-08-22T13:55:36Z)
• Mapping Knowledge Representations to Concepts: A Review and New Perspectives [0.6875312133832078]
  本論は、内部表現と人間の理解可能な概念を関連付けることを目的とした研究に焦点をあてる。 この分類学と因果関係の理論は、ニューラルネットワークの説明から期待できるもの、期待できないものを理解するのに有用である。 この分析は、モデル説明可能性の目標に関するレビューされた文献の曖昧さも明らかにしている。
  論文  参考訳（メタデータ） (2022-12-31T12:56:12Z)
• Survey on Visual Sentiment Analysis [87.20223213370004]
  本稿では、関連する出版物をレビューし、視覚知覚分析の分野の概要を概観する。 また,3つの視点から一般的な視覚知覚分析システムの設計原理について述べる。 様々なレベルの粒度と、異なる方法でイメージに対する感情に影響を与えるコンポーネントを考慮し、問題の定式化について論じる。
  論文  参考訳（メタデータ） (2020-04-24T10:15:22Z)

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。