論文の概要: Against Political Polarization: A Unified Framework for Tracing Evolving Political Ideologies on Social Media
- arxiv url: http://arxiv.org/abs/2608.17987v1
- Date: Tue, 18 Aug 2026 16:33:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.406297
- Title: Against Political Polarization: A Unified Framework for Tracing Evolving Political Ideologies on Social Media
- Title（参考訳）: 政治分極に反対する - ソーシャルメディア上での政治的イデオロギーを追求するための統一的な枠組み
- Abstract要約: TSN4PIは、ソーシャルメディア上の政治イデオロギーの進化を追跡する統一的なフレームワークである。
PIDNは、スタイル転送と教師なしドメイン適応を備えた大きな言語モデルを使用して、堅牢なイデオロギー検出を可能にする。
PIPNは、将来のイデオロギーシフトを予測するために、時間グラフニューラルネットワークを使用している。
- 参考スコア（独自算出の注目度）: 17.163713154720806
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The rapid growth of social media has greatly influenced political discourse, highlighting the need to understand individual political ideologies and their temporal dynamics. This task faces challenges such as data scarcity, abundant non-political content, costly and bias-prone manual annotation, and difficulty in modeling future ideological inclinations. To address these issues, we propose TSN4PI, a unified framework for tracking the evolution of political ideologies on social media. It includes two core modules. The PIDN uses large language models with style transfer and unsupervised domain adaptation to enable robust ideology detection and filter irrelevant content from noisy, cross-domain data. The PIPN employs temporal graph neural networks to predict future ideological shifts, enabling comprehensive analysis of ideology presence, intensity, and evolution. We release two large-scale datasets for noncommercial research use to facilitate further work. Extensive case studies on multiple platforms (X and Truth Social) validate the effectiveness of TSN4PI and provide empirical insights into political polarization and the evolution of online ideologies. Our findings offer a nuanced perspective, advancing both methodological development and empirical understanding in this field.
- Abstract（参考訳）: ソーシャルメディアの急速な成長は、政治的談話に大きな影響を与え、個々の政治的イデオロギーとその時間的ダイナミクスを理解する必要性を強調している。
この課題は、データの不足、豊富な非政治的コンテンツ、コストとバイアスのかかる手動アノテーション、将来のイデオロギー的傾向のモデル化の難しさといった課題に直面する。
これらの課題に対処するため,ソーシャルメディア上での政治イデオロギーの進化を追跡する統一的な枠組みであるTSN4PIを提案する。
コアモジュールは2つある。
PIDNは、スタイル転送と教師なしドメイン適応を備えた大きな言語モデルを使用して、堅牢なイデオロギー検出と、ノイズの多いクロスドメインデータから無関係なコンテンツをフィルタリングする。
PIPNは、時間グラフニューラルネットワークを使用して将来のイデオロギーシフトを予測し、イデオロギーの存在、強度、進化の包括的な分析を可能にする。
我々は、さらなる作業を容易にするために、2つの大規模データセットを非商業的な研究用としてリリースする。
複数のプラットフォーム(Xと真社会)における広範囲にわたるケーススタディは、TSN4PIの有効性を検証し、政治的分極とオンラインイデオロギーの進化に関する実証的な洞察を提供する。
この分野での方法論的発達と経験的理解の両面での進展が示唆された。
関連論文リスト
- Automated Identification of Competing Narratives in Political Discourse on Social Media [0.0]
本稿ではソーシャルメディア上での政治談話における競合する物語の識別と特徴付けのための教師なしの枠組みを提案する。
このフレームワークは競合する主要な物語を検知し、流行する政治トピックを取り巻く対立や対立を浮き彫りにする。
この発見は、物語がデジタル公共空間内でどのように伝播するかのより広い理解に寄与する。
論文 参考訳（メタデータ） (2026-09-10T08:10:33Z) - 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) - Talking Point based Ideological Discourse Analysis in News Events [62.18747509565779]
本稿では,イデオロギー的談話分析理論をモチベーションとして,実世界の出来事に関するニュース記事を分析する枠組みを提案する。
我々のフレームワークは,話題のトピックとともに,エンティティ,役割,メディアフレーム間の相互作用を捉えた,会話ポイントという関係構造を用いたニュース記事を表現している。
我々は,人間の検証によって補足されたイデオロギーや分派的分類タスクを通じて,これらの視点を自動で生成するフレームワークの能力を評価する。
論文 参考訳（メタデータ） (2025-04-10T02:52:34Z) - "Whose Side Are You On?" Estimating Ideology of Political and News Content Using Large Language Models and Few-shot Demonstration Selection [5.277598111323805]
既存のイデオロギーを分類するアプローチは、大規模なデータセットのラベル付けを必要とするため、進化するイデオロギーの文脈に適応できないという点で制限されている。
本稿では、オンラインコンテンツの政治的イデオロギーを、文脈内学習を通じて、米国政治スペクトルの文脈で分類する大規模言語モデルの可能性について検討する。
論文 参考訳（メタデータ） (2025-03-23T02:32:25Z) - Political-LLM: Large Language Models in Political Science [159.95299889946637]
大規模言語モデル(LLM)は、政治科学のタスクで広く採用されている。
政治LLMは、LLMを計算政治科学に統合する包括的な理解を促進することを目的としている。
論文 参考訳（メタデータ） (2024-12-09T08:47:50Z) - A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました
近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。
本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
論文 参考訳（メタデータ） (2024-09-24T03:06:25Z) - Recent Advances in Hate Speech Moderation: Multimodality and the Role of Large Models [52.24001776263608]
この包括的調査は、HSモデレーションの最近の歩みを掘り下げている。
大型言語モデル(LLM)と大規模マルチモーダルモデル(LMM)の急成長する役割を強調した。
研究における既存のギャップを、特に表現不足言語や文化の文脈で特定する。
論文 参考訳（メタデータ） (2024-01-30T03:51:44Z) - Quantitative Analysis of Forecasting Models:In the Aspect of Online
Political Bias [0.0]
ソーシャルメディア投稿を5つの異なる政治傾向カテゴリーに分類する手法を提案する。
我々のアプローチは、政治的イデオロギーの異なる2つのソーシャルメディアデータセット上で、既存の時系列予測モデルを活用することである。
論文 参考訳（メタデータ） (2023-09-11T16:17:24Z) - The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。
ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
論文 参考訳（メタデータ） (2023-04-19T18:32:49Z) - PAR: Political Actor Representation Learning with Social Context and
Expert Knowledge [45.215862050840116]
我々は,textbfPolitical textbfActor textbfRepresentation学習フレームワークであるtextbfPARを提案する。
我々は,社会的文脈情報を活用するために,議員に関する事実文を検索し,抽出する。
次に、社会的文脈を取り入れた異種情報ネットワークを構築し、リレーショナルグラフニューラルネットワークを用いて立法者表現を学習する。
論文 参考訳（メタデータ） (2022-10-15T19:28:06Z) - Encoding Heterogeneous Social and Political Context for Entity Stance
Prediction [7.477393857078695]
本稿では,エンティティスタンス予測の新しい課題を提案する。
我々は、現代アメリカの政治に関する社会団体に関する事実をウィキペディアから回収する。
そして、我々は、ドメインの専門家の助けを借りて、政治イデオロギーに対する社会団体のスタンスに注釈を付ける。
論文 参考訳（メタデータ） (2021-08-09T08:59:43Z) - Political Ideology and Polarization of Policy Positions: A
Multi-dimensional Approach [19.435030285532854]
我々は,政策のイデオロギーを,姿勢とイデオロギーの曖昧な共存を区別して検討する。
政治学の理論的な記述と相まって、イデオロギーを多次元的構成として扱う。
この枠組みは, 時間的・多面的なイデオロギー距離の測定値である分極の定量的解析を可能にすることを示す。
論文 参考訳（メタデータ） (2021-06-28T04:03:04Z)
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。