論文の概要: Comment-level Topic Drift Analysis in the Reddit Corpus

• arxiv url: http://arxiv.org/abs/2608.19133v1
• Date: Wed, 19 Aug 2026 17:27:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.476397
• Title: Comment-level Topic Drift Analysis in the Reddit Corpus
• Title（参考訳）: Reddit Corpusにおけるコメントレベルのトピックドリフト分析
• Abstract要約: 本稿では,大規模コーパスにおけるコメントレベルにおけるトピックドリフトの検出と定量化を目的とした,埋め込み型動的トピックモデリング手法の新たな応用について述べる。 事前訓練された言語モデルを利用して、短いテキストの文脈化されたセマンティック埋め込みを生成することで、2006年から2022年までの127億のRedditコメントを分析した。 主要な発見は、政治的、社会的に論争的なトピックが埋め込み空間において大きな方向の漂流を示すことを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a novel application of embedding-based dynamic topic modeling techniques to detect and quantify topic drift at the comment level in a massive corpus. By leveraging pretrained language models to generate contextualized semantic embeddings for short text, we analyzed 12.7 billion Reddit comments spanning 2006 to 2022. Using unsupervised methods on these embeddings, we identify dynamically evolving topic clusters over time. Our primary contribution is a methodology for analysis of semantic drift and discourse evolution in the embedding space itself. We also demonstrate modifications to existing methods that enable this analysis at scale, and we propose and demonstrate a null model comparison test to filter spurious dynamics. Key findings suggest that politically and socially contentious topics exhibit significant directional drift in embedding space, with inter-topic distances changing systematically over time beyond what the null model can explain, whereas domains such as music and sports remain comparatively stable.
• Abstract（参考訳）: 本稿では,大規模コーパスにおけるコメントレベルにおけるトピックドリフトの検出と定量化を目的とした,埋め込み型動的トピックモデリング手法の新たな応用について述べる。 事前訓練された言語モデルを利用して、短いテキストの文脈化されたセマンティック埋め込みを生成することで、2006年から2022年までの127億のRedditコメントを分析した。 これらの埋め込みの教師なし手法を用いて、時間とともに動的に進化するトピッククラスタを同定する。 我々の主な貢献は、埋め込み空間自体における意味的ドリフトと談話進化の分析方法である。 また、この解析を大規模に行う既存手法の修正を実証し、スプリアス力学をフィルタするヌルモデル比較試験を提案し、実演する。 主要な発見は、政治的、社会的に論争的なトピックが埋め込み空間において顕著な方向の漂流を示し、その間は、ヌルモデルが説明できる範囲を超えて体系的に変化する一方で、音楽やスポーツなどの領域は比較的安定していることを示している。

関連論文リスト

• Scale-Dependent Semantic Dynamics Revealed by Allan Deviation [0.0]
  順序文埋め込みを変位信号として扱うことで意味の安定性を解析する。 大規模言語モデルは人間のテキストの局所的なスケーリング統計を模倣することに成功したが、安定性の地平線は体系的に低下していることがわかった。
  論文  参考訳（メタデータ） (2026-01-29T13:10:59Z)
• Dynamic Topic Evolution with Temporal Decay and Attention in Large Language Models [3.4219049032524804]
  本稿では,時間的大言語モデルに基づく動的トピック進化のためのモデリングフレームワークを提案する。 提案手法は,大規模テキストにおける動的セマンティックパターンを理解するための体系的なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-10-12T13:50:41Z)
• Automated Sentiment Classification and Topic Discovery in Large-Scale Social Media Streams [3.5279571333221913]
  本稿では,Twitterの言論の大規模感情分析とトピック分析のためのフレームワークを提案する。 私たちのパイプラインは、コンフリクト固有のキーワードを使用して、ターゲットデータ収集から始まります。 タイムスタンプ,位置情報,語彙内容などの情緒的特徴と文脈的特徴の関係について検討した。
  論文  参考訳（メタデータ） (2025-05-03T18:04:57Z)
• Sequential Representation Learning via Static-Dynamic Conditional Disentanglement [58.19137637859017]
  本稿では,ビデオ中の時間非依存要因と時間変化要因を分離することに着目し,逐次的データ内での自己教師付き不整合表現学習について検討する。 本稿では,静的/動的変数間の因果関係を明示的に考慮し,それらの因子間の通常の独立性仮定を破る新しいモデルを提案する。 実験により、提案手法は、シーンのダイナミックスが内容に影響されるシナリオにおいて、従来の複雑な最先端技術よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-08-10T17:04:39Z)
• Interactive Topic Models with Optimal Transport [75.26555710661908]
  ラベル名監視型トピックモデリングのためのアプローチとして,EdTMを提案する。 EdTMは、LM/LLMベースのドキュメントトピック親和性を活用しながら、代入問題としてのトピックモデリングをモデル化する。
  論文  参考訳（メタデータ） (2024-06-28T13:57:27Z)
• TopicAdapt- An Inter-Corpora Topics Adaptation Approach [27.450275637652418]
  本稿では、関連するソースコーパスから関連するトピックを適応し、ソースコーパスに存在しないターゲットコーパスに新しいトピックを発見できるトピックモデルTopicAdaptを提案する。 多様なドメインからの複数のデータセットに対する実験は、最先端のトピックモデルに対して提案されたモデルの優位性を示している。
  論文  参考訳（メタデータ） (2023-10-08T02:56:44Z)
• Inverse Dynamics Pretraining Learns Good Representations for Multitask Imitation [66.86987509942607]
  このようなパラダイムを模倣学習でどのように行うべきかを評価する。 本稿では,事前学習コーパスがマルチタスクのデモンストレーションから成り立つ環境について考察する。 逆動力学モデリングはこの設定に適していると主張する。
  論文  参考訳（メタデータ） (2023-05-26T14:40:46Z)
• Topics in the Haystack: Extracting and Evaluating Topics beyond Coherence [0.0]
  本稿では,文と文書のテーマを深く理解する手法を提案する。 これにより、一般的な単語やネオロジズムを含む潜在トピックを検出することができる。 本稿では, 侵入者の単語の人間識別と相関係数を示し, 単語侵入作業において, ほぼ人間レベルの結果を得る。
  論文  参考訳（メタデータ） (2023-03-30T12:24:25Z)
• Are Neural Topic Models Broken? [81.15470302729638]
  トピックモデルの自動評価と人的評価の関係について検討する。 ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
  論文  参考訳（メタデータ） (2022-10-28T14:38:50Z)
• Incorporating Dynamic Semantics into Pre-Trained Language Model for Aspect-based Sentiment Analysis [67.41078214475341]
  ABSAの動的アスペクト指向セマンティクスを学ぶために,DR-BERT(Dynamic Re-weighting BERT)を提案する。 具体的には、まずStack-BERT層を主エンコーダとして、文の全体的な意味を理解する。 次に、軽量な動的再重み付けアダプタ(DRA)を導入して微調整する。
  論文  参考訳（メタデータ） (2022-03-30T14:48:46Z)
• How Far are We from Effective Context Modeling? An Exploratory Study on Semantic Parsing in Context [59.13515950353125]
  文法に基づく意味解析を行い,その上に典型的な文脈モデリング手法を適用する。 我々は,2つの大きなクロスドメインデータセットに対して,13のコンテキストモデリング手法を評価した。
  論文  参考訳（メタデータ） (2020-02-03T11:28:10Z)

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。