論文の概要: BanglaRhet: Benchmarking Classical and Transformer Models for Rhetorical and Persuasion Detection in Bangla Political Speech
- arxiv url: http://arxiv.org/abs/2610.09464v1
- Date: Wed, 07 Oct 2026 05:22:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.732695
- Title: BanglaRhet: Benchmarking Classical and Transformer Models for Rhetorical and Persuasion Detection in Bangla Political Speech
- Title（参考訳）: BanglaRhet:Bangla言語における修辞・説得検出のための古典・変圧器モデルのベンチマーク
- Abstract要約: 政治談話は、しばしば修辞的・説得的な言語を使って物語を描き、世論に影響を与え、聴衆を動員する。
本稿では,バングラの政治談話における修辞形式と説得意図を検出するための変圧器モデルに関するベンチマーク研究を行う。
BanglaRhetは、公開の政治ニュースソースから収集された30,289の政治的スピーチセグメントを手動で注釈付けしたコーパスであり、2つの教師付きシングルラベル分類タスクを定式化します。
従来のTF-IDFベースラインに対して,BanglaBERT,BanglaBERT-Base,SahajBERT,XLM-RoBERTa-Baseの4つのトランスフォーマーモデルを評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Political discourse often uses rhetorical and persuasive language to frame narratives, influence public opinion, and mobilize audiences. While Bangla natural language processing has made progress in sentiment analysis and opinion mining, systematic benchmarking of transformer models for fine-grained rhetorical and persuasion technique detection in Bangla political speech remains largely underexplored. This paper presents a benchmark study of transformer-based models for detecting rhetorical form and persuasive intent in Bangla political discourse. Using BanglaRhet, a manually annotated corpus of 30,289 Bangla political speech segments collected from publicly available political news sources, we formulate two supervised single-label classification tasks: rhetorical technique detection (contrast, repetition, exaggeration, metaphor, rhetorical questions) and persuasion technique detection (blame assignment, call to action, unity call, moral, emotional, and logical appeals). We evaluate four transformer-based models, BanglaBERT, BanglaBERT-Base, SahajBERT, and XLM-RoBERTa-Base, against classical TF-IDF baselines. BanglaBERT achieves the highest performance, with 65.40% macro-F1 for rhetorical technique detection and 66.46% for persuasion technique detection, outperforming the best tuned classical baseline by 19.2 and 13.8 macro-F1 points, respectively. Class-level analysis indicates that errors are mainly associated with semantic overlap among labels, figurative language, and class imbalance. The results provide initial benchmark baselines for Bangla rhetorical and persuasion-aware political discourse analysis and highlight the need for context-aware and multi-label modeling.
- Abstract（参考訳）: 政治談話は、しばしば修辞的・説得的な言語を使って物語を描き、世論に影響を与え、聴衆を動員する。
バングラの自然言語処理は感情分析や意見マイニングに進歩しているが、バングラの政治的言論における微粒な修辞的・説得的手法検出のためのトランスフォーマーモデルの体系的ベンチマークはいまだに未熟である。
本稿では,バングラの政治談話における修辞形式と説得意図を検出するための変圧器モデルに関するベンチマーク研究を行う。
パブリックな政治ニュースソースから収集された30,289の政治的スピーチセグメントを手動で注釈付けしたコーパスであるBanglaRhetを用いて、修辞的テクニック検出(コントラスト、反復、誇張、メタファー、修辞的質問)と説得的テクニック検出(ブレム割り当て、行動呼び出し、統一的電話、道徳的、感情的、論理的アピール)という、2つの教師付きシングルラベル分類タスクを定式化する。
従来のTF-IDFベースラインに対して,BanglaBERT,BanglaBERT-Base,SahajBERT,XLM-RoBERTa-Baseの4つのトランスフォーマーモデルを評価する。
BanglaBERTは65.40%のマクロF1、66.46%の説得技術検出で最高性能を達成し、それぞれ19.2と13.8のマクロF1ポイントを達成している。
クラスレベルの分析は、エラーが主にラベル、図形言語、クラス不均衡の間の意味的重複と関連していることを示している。
その結果、バングラの修辞的および説得的政治的談話分析のベンチマークベースラインが提供され、文脈認識と多ラベルモデリングの必要性が強調された。
関連論文リスト
- Retrieving Relations, Detecting Fallacies: A RAG Approach to Political Debate Analysis [9.600892324769037]
本稿では,誤検出と分類のためのガイド付き検索拡張手法を提案する。
ElecDeb60to20ベンチマークのアプローチを42の検索構成と14のモデルで評価した。
以上の結果から,外部知識を取り入れることで,探索が議論的に導かれると,誤検出や分類が大幅に向上することが示された。
論文 参考訳（メタデータ） (2026-08-18T09:39:13Z) - On the Fallacy of Global Token Perplexity in Spoken Language Model Evaluation [88.77441715819366]
大規模生音声で事前訓練された生成音声言語モデルは、適切な内容で音声プロンプトを継続することができる。
本稿では,グローバルトークンの難易度に代えて,多種多様な可能性・生成的評価手法を提案する。
論文 参考訳（メタデータ） (2026-01-09T22:01:56Z) - Speech-DRAME: A Framework for Human-Aligned Benchmarks in Speech Role-Play [68.54773980519457]
Speech-DRAMEは3つのレベルで貢献する統合フレームワークである。
音声ロールプレイを評価するための、最初の包括的で再現可能な基盤を提供する。
論文 参考訳（メタデータ） (2025-11-03T06:12:40Z) - Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。
われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。
提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
論文 参考訳（メタデータ） (2025-10-16T20:30:20Z) - A Generalizable Rhetorical Strategy Annotation Model Using LLM-based Debate Simulation and Labelling [35.2732875767252]
大規模言語モデル(LLM)を活用して,4部構成の修辞型タイポロジー(因果的,経験的,感情的,道徳的)に基づいて,合成討論データを自動生成・ラベル付けするフレームワークを提案する。
本モデルは,話題領域間で高い性能と強力な一般化を実現する。
1)修辞的戦略ラベルの導入による説得性予測の改善、(2)米国大統領討論会における修辞的戦略の時間的・パルチザン的シフトの分析(1960-2020)。
論文 参考訳（メタデータ） (2025-10-16T18:51:23Z) - Joint Effects of Argumentation Theory, Audio Modality and Data Enrichment on LLM-Based Fallacy Classification [0.038233569758620044]
本研究では、文脈と感情のトーンメタデータが、誤分類タスクにおける大規模言語モデル(LLM)の推論と性能に与える影響について検討する。
アメリカ合衆国大統領討論会のデータを用いて、Qwen-3 (8B) モデルに適用される様々なプロンプト戦略を通じて、6つの誤りタイプを分類する。
論文 参考訳（メタデータ） (2025-09-14T06:35:34Z) - SpeechR: A Benchmark for Speech Reasoning in Large Audio-Language Models [60.72029578488467]
SpeechRは、大規模な音声言語モデルにおける音声に対する推論を評価するための統一的なベンチマークである。
事実検索、手続き推論、規範的判断の3つの重要な側面に沿ったモデルを評価する。
11個の最先端のLALMの評価は、高い転写精度が強い推論能力に変換されないことを示している。
論文 参考訳（メタデータ） (2025-08-04T03:28:04Z) - The Anatomy of Speech Persuasion: Linguistic Shifts in LLM-Modified Speeches [2.8649371010678606]
本研究は,大規模言語モデルが公用語における説得性の概念をどのように理解しているかを,音声書き起こしの修正によって検討する。
我々は, GPT-4oに, 説得力を高めるか低下させるよう促すとともに, 特徴量の観点から, オリジナル音声と生成された音声の言語的変化を解析する。
以上の結果から, GPT-4oは, 説得性を人間のように最適化するよりも, 体系的な形式的な修正を施すことが示唆された。
論文 参考訳（メタデータ） (2025-06-23T13:28:33Z) - Hierarchical Sentiment Analysis Framework for Hate Speech Detection: Implementing Binary and Multiclass Classification Strategy [0.0]
本稿では,英語におけるヘイトスピーチを検出するために,共有感情表現と統合された新しいマルチタスクモデルを提案する。
我々は、感情分析とトランスフォーマーに基づく訓練モデルを利用することで、複数のデータセット間でのヘイトスピーチの検出を大幅に改善できると結論付けた。
論文 参考訳（メタデータ） (2024-11-03T04:11:33Z) - Speechworthy Instruction-tuned Language Models [71.8586707840169]
提案手法は,学習の促進と嗜好の両面において,一般的な命令調整型LLMの音声適合性の向上を図っている。
我々は,各手法が生成した応答の音声適合性向上にどのように貢献するかを示すために,語彙的,構文的,定性的な分析を共有する。
論文 参考訳（メタデータ） (2024-09-23T02:34:42Z) - Textless Speech Emotion Conversion using Decomposed and Discrete
Representations [49.55101900501656]
我々は、音声を、コンテンツ単位、F0、話者、感情からなる離散的、非絡み合いの学習表現に分解する。
まず、内容単位を対象の感情に翻訳し、その単位に基づいて韻律的特徴を予測することによって、音声内容を変更する。
最後に、予測された表現をニューラルボコーダに入力して音声波形を生成する。
論文 参考訳（メタデータ） (2021-11-14T18:16:42Z)
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。