論文の概要: Look What You Made Us Cluster: Hate Narrative Extraction from Reddit Discourse

• arxiv url: http://arxiv.org/abs/2609.37408v1
• Date: Tue, 29 Sep 2026 12:43:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.496296
• Title: Look What You Made Us Cluster: Hate Narrative Extraction from Reddit Discourse
• Title（参考訳）: Redditの談話からナラティブ抽出を嫌う人
• Abstract要約: 本稿では,物語を実体評価ペアとして表現する抽出パイプラインを提案する。 ナラティブはLarge Language Model (LLM)推論プロセスを用いて抽出される。 この物語のパイプラインを、Taylor Swiftを批判した2024年の英語のRedditコメントで説明します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Narrative extraction allows us to identify online hate narratives, supporting the construction of rigorous detection systems. Existing computational approaches, however, are limited in precision as they rely on semantic representations, which tend to capture only surface-level meaning. To detect more precise and interpretable narratives, we present an extraction pipeline that represents narratives as entity-evaluation pairs. Narratives are extracted using a Large Language Model (LLM) reasoning process that extends Aspect-Based Sentiment Analysis, identifying the aspect, classifying its judgement type as the basis for evaluation, and deriving the evaluation accordingly. Extracted narratives are then clustered using Leiden, following which clusters are resolved to an intended level of granularity through an LLM-guided refinement process. We illustrate this narrative pipeline with English Reddit comments from 2024 that criticize Taylor Swift, analyzing a representative cluster that exhibits hate speech patterns to demonstrate its interpretive value.
• Abstract（参考訳）: ナラティブ抽出は、厳密な検知システムの構築を支援することで、オンラインでの憎悪の物語を識別することを可能にする。 しかし、既存の計算手法は意味表現に依存するため精度が限られており、表面レベルの意味のみを捉える傾向にある。 より正確で解釈可能な物語を検出するために,物語を実体評価ペアとして表現する抽出パイプラインを提案する。 ナラティブは、アスペクトベース感性分析を拡張し、その側面を特定し、評価の基盤として判断型を分類し、それに従って評価を導出するLarge Language Model (LLM)推論プロセスを用いて抽出される。 抽出された物語はレイデンを用いてクラスタ化され、次にLLM誘導精製プロセスを通じてクラスターを意図した粒度に分解する。 この物語のパイプラインを、Taylor Swiftを批判する2024年の英語のRedditのコメントで説明し、ヘイトスピーチのパターンを示す代表的クラスタを分析し、解釈的価値を示す。

関連論文リスト

• Retrieving Climate Change Disinformation by Narrative [8.38832892170716]
  我々は,ナラティブ検出を検索タスクとして再編成し,ナラティブのコアメッセージをクエリとして与え,そのナラティブと整合してコーパスからテキストをランク付けする。 抽象的な記述と具体的なテキストのインスタンス化のギャップを埋めるための仮説文書を生成するフレームワークであるSpecFiを提案する。
  論文  参考訳（メタデータ） (2026-03-23T14:26:18Z)
• Re:Verse -- Can Your VLM Read a Manga? [14.057881684215047]
  現在の視覚言語モデル(VLM)は、表面レベルの認識と深い物語的推論の間に重要なギャップを示す。 本稿では,細粒度マルチモーダルアノテーション,クロスモーダル埋め込み解析,検索強化評価を組み合わせた新しい評価フレームワークを提案する。 本稿では,VLMにおける長期的物語理解に関する最初の体系的研究を,生成的ストーリーテリング,文脈的対話グラウンドニング,時間的推論という3つのコア評価軸を通じて行った。
  論文  参考訳（メタデータ） (2025-08-11T22:40:05Z)
• Evaluating the Ability of Computationally Extracted Narrative Maps to Encode Media Framing [1.2277343096128712]
  本稿では、特定の物語抽出と表現アプローチ(物語マップ)の能力について考察する。 本結果は,ニュース物語における複雑なフレーミングのダイナミクスをユーザに提供するナラティブマップの可能性を強調した。 しかし、計算的物語抽出プロセスにおいて、フレーミング情報を直接活用することは、未解決の課題である。
  論文  参考訳（メタデータ） (2024-05-04T14:40:28Z)
• Hierarchical Indexing for Retrieval-Augmented Opinion Summarization [60.5923941324953]
  本稿では,抽出アプローチの帰属性と拡張性と,大規模言語モデル(LLM)の一貫性と拡散性を組み合わせた,教師なし抽象的意見要約手法を提案する。 我々の方法であるHIROは、意味的に整理された離散的な階層を通して文を経路にマッピングするインデックス構造を学習する。 推測時にインデックスを投入し、入力レビューから人気意見を含む文群を識別し、検索する。
  論文  参考訳（メタデータ） (2024-03-01T10:38:07Z)
• Fine-Grained Modeling of Narrative Context: A Coherence Perspective via Retrospective Questions [48.18584733906447]
  この研究は、物語の中の個々の通路が孤立するよりも密接な関係にある傾向があるという特徴から生まれた、物語理解のためのオリジナルで実践的なパラダイムを取り入れたものである。 本稿では,タスク非依存のコヒーレンス依存を明示的に表現したNarCoというグラフを定式化することにより,物語コンテキストのきめ細かいモデリングを提案する。
  論文  参考訳（メタデータ） (2024-02-21T06:14:04Z)
• SNaC: Coherence Error Detection for Narrative Summarization [73.48220043216087]
  SNaCは長文の微粒化アノテーションに根ざした物語コヒーレンス評価フレームワークである。 本稿では,生成した物語要約におけるコヒーレンスエラーの分類法を開発し,150冊の本や映画の脚本要約にまたがる6.6k文のスパンレベルアノテーションを収集する。 我々の研究は、最先端の要約モデルによって生成されるコヒーレンスエラーの最初の特徴と、群衆アノテータからコヒーレンス判断を引き出すためのプロトコルを提供する。
  論文  参考訳（メタデータ） (2022-05-19T16:01:47Z)
• Narrative Incoherence Detection [76.43894977558811]
  本稿では,文間セマンティック理解のための新たなアリーナとして,物語不整合検出の課題を提案する。 複数文の物語を考えると、物語の流れに意味的な矛盾があるかどうかを決定します。
  論文  参考訳（メタデータ） (2020-12-21T07:18:08Z)
• Narrative Maps: An Algorithmic Approach to Represent and Extract Information Narratives [6.85316573653194]
  本稿では、物語表現の理論と現代のオンラインシステムのデータを組み合わせる。 物語地図の表現は、物語の中の出来事と物語を、地図上のランドマークとルートのシリーズとして描いている。 我々の発見は、情報アナリスト、計算ジャーナリスト、誤情報研究者に影響を及ぼす。
  論文  参考訳（メタデータ） (2020-09-09T18:30:44Z)
• A Unified Dual-view Model for Review Summarization and Sentiment Classification with Inconsistency Loss [51.448615489097236]
  ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。 本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。 異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
  論文  参考訳（メタデータ） (2020-06-02T13:34:11Z)

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。