論文の概要: Inductive Claims Extraction at Scale

• arxiv url: http://arxiv.org/abs/2610.05275v2
• Date: Tue, 06 Oct 2026 10:43:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.363861
• Title: Inductive Claims Extraction at Scale
• Title（参考訳）: スケールにおける帰納的クレーム抽出
• Abstract要約: 主張は、エコー室や偏光のような政治現象を研究するための強力な分析単位となりうる。 本稿では,大規模ソーシャルメディアコーパスからのクレームを帰納的に抽出し,カタログ化するために,大規模言語モデル(LLM)を用いたパイプラインを提案する。 パイプラインのリコールと精度を手動でアノテートしたサンプルに対して測定し, 各種成分の寄与を分離するアブレーション試験を行い, 定性的誤差解析を行った。
• 参考スコア（独自算出の注目度）: 3.0271277135872516
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A large part of political discourse on social media is built and expressed at a level of claims: i.e. declarative, typically single-clause statements, which convey a particular interpretation of reality and can range from factual to evaluative. Moreover, rather than occurring randomly, claims coalesce, recur in patterns, and come to be associated with different world views. When paired with structural computational tools such as Social Network Analysis, claims can be a powerful unit of analysis to study political phenomena such as echo chambers or polarisation. In this paper, we present a pipeline that uses a large language model (LLM) to inductively extract and catalogue claims from large social media corpora, and apply it to two different Twitter datasets: one relating to the 2020 US presidential election and the other to the 2022 FIFA World Cup. We comprehensively evaluate the approach by measuring the pipeline's recall and precision against manually annotated samples, run ablation studies isolating the contribution of its various components, and perform a qualitative error analysis. We discuss the value of the approach in the context of Computational Social Science research, and illustrate its capabilities by presenting the claims catalogue obtained from each dataset.
• Abstract（参考訳）: ソーシャルメディアに関する政治談話の大部分は、宣言的な、通常は単文の声明であり、現実の特定の解釈を伝え、事実から評価まで様々である、という主張によって構築され、表現されている。 さらに、ランダムに起こるのではなく、合理性を主張し、パターンを再帰し、異なる世界観と関連付けられるようになる。 ソーシャル・ネットワーク・アナリティクスのような構造計算ツールと組み合わせると、主張はエコー室や偏光のような政治現象を研究するための強力な分析単位となる。 本稿では,大きな言語モデル(LLM)を用いて大規模ソーシャルメディアコーパスから主張を帰納的に抽出し,それを2つの異なるTwitterデータセットに適用するパイプラインを提案する。 我々は,手動で注釈付きサンプルに対してパイプラインのリコールと精度を計測し,各種成分の寄与を分離するアブレーション研究を行い,定性的誤り解析を行うことにより,アプローチを包括的に評価する。 本稿では,計算社会科学研究の文脈におけるアプローチの価値を論じ,各データセットから得られたクレームカタログを提示することにより,その能力を説明する。

関連論文リスト

• From Policy Documents to Structured Survey Responses: Evaluating Large Language Models for Policy Monitoring [0.4717289929277555]
  科学、技術、革新の政策は競争力には不可欠だが、その多様性と規模は、一貫して地図の作成と監視を困難にしている。 既存のアプローチは手作業による調査に大きく依存しています。 本稿では,ポリシーテキストから構造化されたサーベイ応答を生成するために,大規模言語モデル(LLM)を"AI回答者"として適用する。
  論文  参考訳（メタデータ） (2026-09-24T10:49:37Z)
• Multiclass Sentiment Analysis for Identifying Political Viewpoints [7.5332488078934015]
  ソーシャルメディアにおける政治的視点のマルチクラス感情分析について検討する。 我々は,XGBoostとBERTに基づく2つの機械学習手法の設計と評価を行った。 実験の結果,XGBoostモデルが0.2835F1スコアに達し,BERTモデルが0.2806F1スコアに達した。
  論文  参考訳（メタデータ） (2026-08-11T15:21:23Z)
• Modeling Open-World Cognition as On-Demand Synthesis of Probabilistic Models [93.1043186636177]
  我々は、人々が分散表現と象徴表現の組み合わせを使って、新しい状況に合わせた見知らぬ精神モデルを構築するという仮説を探求する。 モデル合成アーキテクチャ」という概念の計算的実装を提案する。 我々は、新しい推論データセットに基づく人間の判断のモデルとして、MSAを評価した。
  論文  参考訳（メタデータ） (2025-07-16T18:01:03Z)
• BiasLab: Toward Explainable Political Bias Detection with Dual-Axis Annotations and Rationale Indicators [0.0]
  BiasLabは、イデオロギー的偏見を意識した300の政治ニュース記事のデータセットである。 各記事は2つの独立したスケールでクラウドワーカーによってラベル付けされ、民主党と共和党に対する感情を評価している。 我々は、アノテータ間の合意を定量化し、ソースレベルの出口バイアスによる誤調整を分析し、その結果のラベルを解釈可能なサブセットに整理する。
  論文  参考訳（メタデータ） (2025-05-21T23:50:42Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• Examining Political Rhetoric with Epistemic Stance Detection [13.829628375546568]
  我々は、より複雑な最先端のモデリングよりも優れたマルチソース姿勢予測のためのシンプルなRoBERTaベースのモデルを開発した。 我々は、米国の政治意見書のマスマーケットマニフェストコーパスを大規模に分析することで、その新しい政治科学への応用を実証する。
  論文  参考訳（メタデータ） (2022-12-29T23:47:14Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)

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。