論文の概要: Can LLMs Follow the Pulse of a Crisis? Evaluating Crisis Sentiment in Bangladesh's July Uprising

• arxiv url: http://arxiv.org/abs/2609.16997v1
• Date: Tue, 15 Sep 2026 11:08:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.468014
• Title: Can LLMs Follow the Pulse of a Crisis? Evaluating Crisis Sentiment in Bangladesh's July Uprising
• Title（参考訳）: LLMは危機の波を追えるか? バングラデシュの7月上昇の危機感の評価
• Abstract要約: 私たちはUNRESTSENT200Kを紹介します。バングラデシュ暴動の2024年7月から8月にかけてのFacebookとYouTubeのコメント約2万件からなる、バングラ危機のセンセーションデータセットです。 各コメントは親の投稿にリンクされ、会話コンテキストによる評価が可能である。 その結果、親ポストのコンテキストが常にパフォーマンスを改善する一方で、フェーズ間の時間的シフトは大きなパフォーマンス低下を引き起こすことが示された。
• 参考スコア（独自算出の注目度）: 2.1411735704266
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Crisis sentiment analysis is especially challenging for low-resource languages such as Bangla, where language, context, and public reaction shift rapidly. We introduce UNRESTSENT200K, a Bangla crisis sentiment dataset with approximately 200K Facebook and YouTube comments from the July-August 2024 Bangladesh uprising. The dataset covers five event-aligned phases, from early escalation and internet blackout to regime transition and a later flood crisis. Each comment is linked to its parent post, enabling evaluation with and without discourse context. All comments are annotated through a fully human process involving 14 native Bangla-speaking annotators and senior validation, achieving substantial agreement (kappa = 0.73, alpha = 0.71) and 94.2% blind-audit agreement. We benchmark fine-tuned encoders, prompted LLMs, and LoRA-tuned LLMs. Results show that parent-post context consistently improves performance, while temporal shift across phases causes large performance drops. Strong LLMs perform well, but still struggle with sarcasm, implicit political references, and phase-dependent meaning. UNRESTSENT200K provides a benchmark for studying context-aware and temporally robust sentiment analysis in low-resource crisis discourse. UNRESTSENT200K is available at https://sami0055.github.io/UNRESTSENT200K/
• Abstract（参考訳）: 危機感情分析は、言語、文脈、公開反応が急速に変化するバングラのような低リソース言語では特に困難である。 私たちはUNRESTSENT200Kを紹介します。バングラデシュ暴動の2024年7月から8月にかけてのFacebookとYouTubeのコメント約2万件からなる、バングラ危機のセンセーションデータセットです。 このデータセットは、初期のエスカレーションとインターネットのブラックアウトから政権移行、後の洪水危機までの5つのイベント整列フェーズをカバーしている。 各コメントは親の投稿にリンクされ、会話コンテキストによる評価が可能である。 すべてのコメントは、14のネイティブバングラ語アノテータと上級検証を含む完全に人間的なプロセスを通じて注釈付けされ、相当な合意(kappa = 0.73、α = 0.71)と94.2%の盲検合意を達成している。 我々は、微調整エンコーダをベンチマークし、LLMを誘導し、LoRAを調整したLLMを誘導する。 その結果、親ポストのコンテキストが常にパフォーマンスを改善する一方で、フェーズ間の時間的シフトは大きなパフォーマンス低下を引き起こすことが示された。 強いLDMはよく機能するが、それでも皮肉、暗黙の政治的参照、位相依存的な意味に苦しむ。 UNRESTSENT200Kは、低リソース危機談話における文脈認識と時間的に堅牢な感情分析を研究するためのベンチマークを提供する。 UNRESTSENT200Kはhttps://sami0055.github.io/UNRESTSENT200K/で利用可能である。

関連論文リスト

• Advancing All-Weather Building Damage Mapping to the Instance Level: Outcomes and Insights from the 2026 Bright Challenge [51.684701877722574]
  急激な災害後の対応には、建物が無傷のままか、損傷するか、破壊されるかについてのビルレベルの情報をタイムリーに要求する。 Bright Challengeは、サブメートル解像度のプレイベント光学画像とポストイベントSAR画像から全天候の建物損傷マッピングを評価した。
  論文  参考訳（メタデータ） (2026-07-23T07:22:15Z)
• Beyond Benchmarks: Exposing the Hidden Crisis in Bangla Hate Speech Detection [3.6609212521250227]
  ソーシャルメディアプラットフォーム上でのヘイトスピーチは、オンラインの安全と倫理的モデレーションに大きな懸念をもたらす。 本研究は,ベンチマーク学習モデルが暗黙的かつ文脈依存型HSを識別できない理由と原因を診断することにより,バングラHS検出システムの危機を明らかにすることを目的とした。 絵文字認識前処理は暗黙のHS検出を最大12%向上させたが、絵文字除去は顕著な性能低下を引き起こした。
  論文  参考訳（メタデータ） (2026-07-13T14:19:16Z)
• Learning to Deny: Action Denial in Multimodal Large Language Models [12.607064466360216]
  マルチモーダル大言語モデル(MLLM)は、高速な映像理解を実現し、標準ベンチマークで強力なゼロショットと少数ショット認識を実現している。 しかし、強い文脈的手がかりにもかかわらず、ある活動がいつ起こっていないかを認識することによって、ある行為を否定する能力はほとんど解明されていない。 UCF101-ADはAction-PresenceとAction-Denialの2つのクリップからなるベンチマークで,この容量を否定的に評価する。
  論文  参考訳（メタデータ） (2026-06-30T06:16:17Z)
• Coping in Crisis: Computational Modeling of Coping Styles in Digital Crisis Discourse During the 2023 Turkiye Earthquake [0.0]
  この研究は、2023年2月6日のトルコ地震の余波に投稿されたトルコ語ツイートを100万件以上利用している。 我々は,理論上動機付けられた4つの危機段階にわたる3つの対処スタイルを検出するための多ラベルBERTurkを開発した。 問題に焦点を絞った対処が緊急フェーズを支配し、急激に減少し、感情に焦点を絞った対処が増加し、安定し、意味作りは単調に増大する。
  論文  参考訳（メタデータ） (2026-06-12T12:57:13Z)
• Interpretable Crisis Behavior Analysis Using Mobility and Social Media Data [0.981328290471248]
  本稿では,モビリティとソーシャルメディアデータを統合して,危機時のドメイン間行動パターンを識別する,統一的で解釈可能なパイプラインを提案する。 このフレームワークは、2025年1月のロサンゼルスの山火事(原型)の短期水平分析と、2020年3月から2021年12月までのUAE COVID-19の行動の経時的分析という2つのケーススタディを通じて評価されている。
  論文  参考訳（メタデータ） (2026-06-08T14:16:36Z)
• When a Nation Speaks: Machine Learning and NLP in People's Sentiment Analysis During Bangladesh's 2024 Mass Uprising [0.4950304764576159]
  バングラデシュの2024年の大規模な暴動の中で、国民の感情を調べることで、バングラデシュにおける感情分析の先駆者となった。 われわれは、主要なFacebookニュースポータルから2,028件の注釈付きニュースの見出しを収集し、それらをOutrage、Hope、Despairに分類した。 私たちは、政治的腐敗や大衆の抗議のような一般的なテーマを特定し、インターネットのブラックアウトのようなイベントがどのように感情パターンを形成するかを分析しました。
  論文  参考訳（メタデータ） (2025-12-17T15:54:37Z)
• NoLiMa: Long-Context Evaluation Beyond Literal Matching [100.00398424275501]
  NoLiMaは、NIAHテストを拡張したベンチマークである。 干し草の山の中に針を見つけるためには、潜伏関係を推測するモデルが必要である。 我々は、少なくとも128Kトークンのコンテキストをサポートすると主張する13の人気のある大規模言語モデルを評価する。
  論文  参考訳（メタデータ） (2025-02-07T18:49:46Z)
• WikiContradict: A Benchmark for Evaluating LLMs on Real-World Knowledge Conflicts from Wikipedia [59.96425443250666]
  Retrieval-augmented Generation (RAG) は,大規模言語モデル(LLM)の限界を緩和する,有望なソリューションとして登場した。 本研究では,ウィキペディアからの矛盾文に基づく質問に対するLLM生成回答の総合評価を行う。 我々は、単一のパスを持つRAGと2つの矛盾するパスを持つRAGを含む、様々なQAシナリオ下で、クローズドおよびオープンソース両方のLSMをベンチマークする。
  論文  参考訳（メタデータ） (2024-06-19T20:13:42Z)
• LLoCO: Learning Long Contexts Offline [63.3458260335454]
  長いコンテキストを処理するための新しいアプローチであるLLoCOを提案する。 LLoCOはコンテキスト圧縮とLoRAによるドメイン内パラメータ効率の微調整を通じて、オフラインでコンテキストを学習する。 提案手法は、4kトークンLLaMA2-7Bモデルの有効コンテキストウインドウを拡張し,最大128kトークンを処理する。
  論文  参考訳（メタデータ） (2024-04-11T17:57:22Z)
• Sentiment Analysis through LLM Negotiations [58.67939611291001]
  感情分析の標準的なパラダイムは、単一のLCMに依存して、その決定を1ラウンドで行うことである。 本稿では,感情分析のためのマルチLLMネゴシエーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-03T12:35:29Z)
• Changes in European Solidarity Before and During COVID-19: Evidence from a Large Crowd- and Expert-Annotated Twitter Dataset [77.27709662210363]
  我々は,NLPにおける教師付き機械学習の新たな課題として,社会的連帯という社会科学的概念とその競争,反連帯の概念を導入する。 我々は,複数のアノテータと2つのアノテーションアプローチ(専門家対群衆)を利用して,(反)整合性表現のための2.3kの英語とドイツ語のつぶやきを注釈する。 今回の結果は、新型コロナウイルス危機で連帯がますます健全になり、競争が激化したことを示している。
  論文  参考訳（メタデータ） (2021-08-02T17:03:12Z)

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。