論文の概要: From Utterances to Networks: Modelling Slang Adoption and Diffusion Across Subreddits

• arxiv url: http://arxiv.org/abs/2609.25669v1
• Date: Tue, 22 Sep 2026 04:19:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.22088
• Title: From Utterances to Networks: Modelling Slang Adoption and Diffusion Across Subreddits
• Title（参考訳）: ユーザからネットワークへ:サブレディット間のスラング導入と拡散をモデル化する
• Abstract要約: 我々は,大規模言語モデル (LLM) をスラングの使用を検出するためのスケーラブルなアノテータとして,実際のReddit通信に使用しています。 その結果,スラング拡散度が高いスラング拡散度は,その後の普及と関係があることが示唆された。 また、スラング用語のより広い文脈での使用は、新規ユーザーが正式に採用するよりも長い時間に関連していることもわかりました。
• 参考スコア（独自算出の注目度）: 2.9441249211198195
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adoption and diffusion of neologisms in online communities have received renewed attention in recent years. As internet slang terms such as APT, referring to a K-pop song, and phrases such as Canon Event meaning an embarrassing but pivotal event, go viral online, it becomes increasingly important to understand the mechanisms that contribute to their success. Prior studies have often explained slang diffusion either from the perspective of social interaction or from the linguistic properties of the slang itself, but rarely from both perspectives together. One major obstacle has been the high cost of annotating slang usage in large-scale online communication. Recent advances in large language models (LLMs), however, make it possible to use them as scalable annotators for such tasks. In this study, we first curate a human-annotated benchmark to evaluate LLM performance in detecting slang usage in real Reddit communication. We then leverage LLM-based annotations to model slang adoption and diffusion. Our results show that slang diffusers with higher bridging capital are associated with increased subsequent adoption, whereas diffusers with higher bonding capital are associated with reduced adoption. We also find that wider contextual usage of a slang term is associated with a longer time before new users officially adopt it. Together, these findings suggest that both social-network structure and linguistic context shape the diffusion of neologisms in online communities.
• Abstract（参考訳）: 近年,オンラインコミュニティにおけるネオロジズムの採用と普及が注目されている。 APTのようなインターネットのスラング用語は、Kポップの歌を指し、キヤノンイベントのようなフレーズは恥ずかしいが重要な出来事を意味するので、インターネット上ではバイラルになり、彼らの成功に寄与するメカニズムを理解することがますます重要になる。 以前の研究では、スラングの拡散は、社会的相互作用の観点からも、スラング自体の言語的性質からもしばしば説明されてきたが、両者の視点から考えることは稀である。 1つの大きな障害は、大規模なオンラインコミュニケーションにおいてスラングの使用を注釈付けするコストが高いことである。 しかし、大規模言語モデル(LLM)の最近の進歩により、そのようなタスクのスケーラブルなアノテータとして使用できるようになった。 本研究ではまず,実際のReddit通信におけるスラング使用の検出において,LLMの性能を評価するために人手によるベンチマークをキュレートする。 LLMベースのアノテーションを使ってスラングの採用と拡散をモデル化する。 以上の結果から,高架橋資本を有するスラングディフューザはその後の普及に結びついているのに対し,高結合資本を有するスラングディフューザは採用率の低下に関連していることが明らかとなった。 また、スラング用語のより広い文脈での使用は、新規ユーザーが正式に採用するよりも長い時間に関連していることもわかりました。 これらの結果は、社会的ネットワーク構造と言語文脈の両方が、オンラインコミュニティにおけるネオロジズムの拡散を形作っていることを示唆している。

関連論文リスト

• Do Large Language Models Adapt to Language Variation across Socioeconomic Status? [29.1246345717672]
  人間は、直面している聴衆に言語スタイルを調整します。 これらのモデルが人間同士のコミュニケーションを仲介するようになり、多様なスタイルに適応できないことは、ステレオタイプを永続させ、コミュニティを疎外する。 本研究では,LLMが社会経済的地位(SES)の異なるコミュニティにおけるソーシャルメディアコミュニケーションにどの程度統合されるかを検討する。
  論文  参考訳（メタデータ） (2026-02-12T13:36:38Z)
• Un-Doubling Diffusion: LLM-guided Disambiguation of Homonym Duplication [65.67239638031617]
  ホモニム(Homonym)とは、同一の綴りであるが意味の異なる単語である。 拡散モデルは単語の複数の感覚を同時に生成することができる。 そこで本研究では,異なる拡散モデルの重複率を計測し,評価を行う手法を提案する。
  論文  参考訳（メタデータ） (2025-09-25T14:54:36Z)
• How do Language Models Generate Slang: A Systematic Comparison between Human and Machine-Generated Slang Usages [2.887631096209473]
  Slangは、一般的に使われる非公式言語の一種であり、NLPシステムに挑戦している。 大規模言語モデル(LLM)の最近の進歩により、この問題はより親しみやすくなっている。 オンラインスラング辞書 (OSD) と GPT-4o と Llama-3 が生成するスラングを比較検討した。
  論文  参考訳（メタデータ） (2025-09-19T01:49:27Z)
• SlangDIT: Benchmarking LLMs in Interpretative Slang Translation [89.48208612476068]
  本稿では,スラング翻訳タスク(SlangDIT)を紹介する。 言語間スラング検出、言語間スラング説明、現在のコンテキスト内のスラング翻訳の3つのサブタスクで構成されている。 まず、文にスラングが含まれているかどうかを識別し、スラングが多義的かどうかを判断し、その意味を解析する。
  論文  参考訳（メタデータ） (2025-05-20T10:37:34Z)
• Developmental Predictive Coding Model for Early Infancy Mono and Bilingual Vocal Continual Learning [69.8008228833895]
  本稿では,連続学習機構を備えた小型生成ニューラルネットワークを提案する。 我々のモデルは解釈可能性を重視し,オンライン学習の利点を実証する。
  論文  参考訳（メタデータ） (2024-12-23T10:23:47Z)
• Why Does ChatGPT "Delve" So Much? Exploring the Sources of Lexical Overrepresentation in Large Language Models [0.0]
  科学者による大規模言語モデル(LLM)の使用が言語変化の原因であると広く考えられている。 我々は,これらの言語変化を特徴付ける形式的,伝達可能な方法を開発した。 LLM の使用により,科学的な抽象概念の出現が増加する21の焦点単語が検出された。 ヒトのフィードバックからの強化学習が焦点単語の過剰使用に寄与するかどうかを評価する。
  論文  参考訳（メタデータ） (2024-12-16T02:27:59Z)
• SLANG: New Concept Comprehension of Large Language Models [43.486543309365416]
  大規模言語モデル(LLM)は、しばしばオンラインコミュニティの急速な言語進化の特徴に追従するために苦労する。 我々のベンチマークとアプローチは、文脈ビーコンとして機能する言語シフトの現実世界のインスタンスを理解することである。 我々の因果推論に基づくアプローチは、インターネットスラングやミームの理解において、精度と関連性の観点から、ベースライン手法よりも優れている。
  論文  参考訳（メタデータ） (2024-01-23T09:33:31Z)

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。