論文の概要: Agreement Between Reconstructed and Native GDELT GKG Records: A Field-Level Baseline
- arxiv url: http://arxiv.org/abs/2610.35358v1
- Date: Mon, 26 Oct 2026 12:48:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.931767
- Title: Agreement Between Reconstructed and Native GDELT GKG Records: A Field-Level Baseline
- Title（参考訳）: 再構成GDELT GKGレコードとの合意:フィールドレベルベースライン
- Abstract要約: Global Knowledge Graphは、名前付きエンティティ、トピック、量的および時間的特徴、引用、トーン、辞書ベースのコンテンツ測定を使用して、ニュース記事を特徴づける。
我々はオープンソースの再構築であるgdelt-regkgを構築し、GDELTの193,550の英語記事のアーカイブ(ネイティブ)レコードとどの程度密接に一致しているかを測定した。
正のマイナス語の割合である英語のトーンの平均絶対誤差(MAE)は1.79点である。
- 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: The Global Knowledge Graph (GKG) of the Global Database of Events, Language, and Tone (GDELT) characterizes news articles using named entities, topics, quantitative and temporal features, quotations, tone, and dictionary-based content measures. Its codebook defines the record format, but the software that produces the records is not public, so researchers cannot generate compatible records for articles they collect themselves. We built an open-source reconstruction, gdelt-regkg, and measured how closely it agrees with GDELT's archived (native) records for 193,550 English articles from 8,729 publishers (2020-2025) and 2,500 articles in five other languages. Agreement depends strongly on the field. English tone, the percentage of positive minus negative words, has a mean absolute error (MAE) of 1.79 points and a concordance correlation coefficient of 0.75. Identity agreement (F1) is 0.65 for persons, 0.42 for organizations, and 0.65 for locations. It is lower for date components (0.42), complete counts with their objects and locations (0.07), and quotations (0.07), while GCAM category presence reaches micro F1 0.84 within the implemented dictionaries. In subsets where retrieved and native titles and lengths match, tone error falls to 1.47 and organization F1 rises to 0.48, yet most disagreement remains. A larger gazetteer raises coverage of native places from 89.5% to 97.1% with little change in location F1. Tone computed on English translations of non-English articles is less accurate (MAE 2.10-2.64) than for English articles. The results are conditional on article pages that could still be retrieved, and the correspondence subsets do not isolate the effect of input differences. Reconstructed records should therefore be assessed field by field and not treated as completely interchangeable with native ones.
- Abstract（参考訳）: Global Knowledge Graph (GKG) はGDELT (Global Database of Events, Language, and Tone) で、名前付きエンティティ、トピック、量的および時間的特徴、引用、トーン、辞書に基づくコンテンツ測定を用いて、ニュース記事を特徴付ける。
そのコードブックはレコードフォーマットを定義するが、レコードを生成するソフトウェアは公開されていないため、研究者は自身で収集した記事の互換性のあるレコードを生成することはできない。
我々はオープンソースの再構築であるgdelt-regkgを構築し、GDELTの8,729社(2020-2025年)の193,550件の英語記事と、2500件の他の5つの言語におけるGDELTのアーカイブされた(ネイティブな)記録と密に一致しているかを測定した。
合意はフィールドに強く依存する。
正のマイナス語の割合である英語のトーンは、平均絶対誤差(MAE)が1.79点、一致相関係数が0.75である。
同一性協定(F1)は、人に対する0.65、組織に対する0.42、場所に対する0.65である。
日付成分(0.42)、対象物と位置の完全数(0.07)、引用数(0.07)では低いが、GCAMカテゴリの存在は実装辞書内のマイクロF1 0.84に達する。
検索されたタイトルとネイティブの長さが一致したサブセットでは、トーンエラーは1.47に減少し、組織F1は0.48に上昇する。
より大きなガゼッテは、現地の場所を89.5%から97.1%に増やし、場所F1はほとんど変化しない。
非英語記事の英訳で計算される音は、英語記事よりも正確ではない(MAE 2.10-2.64)。
結果は、まだ検索可能な記事ページに条件付きであり、対応するサブセットは入力差の影響を分離しない。
したがって、再構成されたレコードはフィールド単位で評価され、ネイティブと完全に互換性のあるものとして扱われるべきではない。
関連論文リスト
- Analyzing Public Discourse on Urbanism: Topic Clustering, Sentiment Analysis and Retrieval-Augmented Generation using YouTube Comments [0.0]
本稿では、地理的実体解決、トピックモデリング、感情分析、検索・拡張生成(RAG)を組み合わせたパイプラインと会話システムを提案する。
基底性評価では,複数文生成した要約を1つの短いコメントと比較すると,BERTScoreは使用できないことがわかった。
これらの知見は、都市域を超えて、短いユーザ生成ドキュメント上に構築されたRAGシステムに一般化される。
論文 参考訳（メタデータ） (2026-09-19T02:34:56Z) - What Counts as a Mistake? Annotating Recitation Events in Quran Memorization Transcripts [2.627150003429427]
本報告では,100件の録音症例の人為的アノテーションについて報告する。
予備試験では、3つのコーディングエージェントで8つのシングル20分が動作し、8つのモデルがラベル対応のF1 0.143から0.892にまたがる。
162種目のうち7種目は6種目全てを破り、そのうち5種目は1種目、最多種目は1種目である。
論文 参考訳（メタデータ） (2026-09-10T18:11:41Z) - Correction as Annotation: Bootstrapping a Dependency Parser for Documentary Medieval Latin [0.0]
中世のドキュメンタリー資料には、自然言語処理ツールが不足している。
利用可能な5つのラテン・ツリーバンク・モデルは、1258年から1446年にかけてマルセイユで編纂された160の在庫のコレクションで使用可能なパフォーマンスを達成できなかった。
論文 参考訳（メタデータ） (2026-09-05T21:23:35Z) - FedPref: Federated Preference Learning for Structured Radiology Report Extraction [69.11739400975445]
ラジオロジーレポートでは、自由テキストで発見と位置を記述しているが、下流の検索と分析では、これらの関係を固定スキーマで記述する必要がある。
我々はFedPrefを紹介します: 凍結した公開言語モデルは代替の抽出を提案し、ローカルアノテーションはそれらをランク付けし、サイトはプールされたコンパクトQwen3-8Bアダプタを協調訓練します。
不平等なデータ量と病気の有病率を持つ6つのシミュレートされた病院の開発データに基づき、FedPrefはクライアント平均F1を2.49ポイント、最悪のサイトF1を9.10ポイント改善する。
論文 参考訳（メタデータ） (2026-08-17T12:29:42Z) - Unadapted Multilingual ASR on a Garrusi Kurdish Evaluation Set: A Common-Reference Staged Normalization Analysis [0.0]
ラテン音場正書法で書かれたクルド方言の音声認識を評価する。
原文のアラビア文字仮説は111.70%のWERと100.92%のCERであり、正確な単語一致はゼロである。
ラテン語の文字化では102.36%のWERと57.89%のCERが与えられ、参照を縮小した正書法に折り畳むと97.85%と51.20%となる。
論文 参考訳（メタデータ） (2026-08-17T10:31:30Z) - IndicQE-APE: A Benchmark for Quality Estimation and Automatic Post-Editing for Indic Languages [77.88427845181154]
我々はWMT 2020-2024の共有タスクの系統を、英語のリソースを拡張してインディクシーに集約する:9つの方向対に対して126,754ドルのインスタンス。
セグメントレベルのQEでは,LSMが6つ,COMETが3つ,APEでは3つのシステムをベンチマークした。
論文 参考訳（メタデータ） (2026-08-17T09:50:52Z) - Context-Aware Distillation and Ablation for Text2DSL [78.29352305480285]
我々は、コンテクスト対応蒸留により、プロンプトのみの合成生成を置き換える。
教師の大きな言語モデルは、明示的に定義された構造化コンテキストの下で機能する。
これは、検証されたポルキットベンチコーパスを4,204対から10,073対にスケールする。
論文 参考訳（メタデータ） (2026-06-21T16:27:24Z) - DocAtlas: Multilingual Document Understanding Across 80+ Languages [58.715440331861295]
本稿では,82言語を対象とした高忠実度OCRデータセットとベンチマークを構築するフレームワークDocAtlasを紹介する。
我々のデュアルパイプライン、ネイティブDOCX文書の微分レンダリング、左右スクリプトの合成ベース生成は正確な構造アノテーションを生成する。
論文 参考訳（メタデータ） (2026-05-12T18:09:38Z) - SentiGOLD: A Large Bangla Gold Standard Multi-Domain Sentiment Analysis
Dataset and its Evaluation [0.9894420655516565]
センティゴルドはバングラデシュ政府とバングラデシュ言語委員会によって合意された、確立された言語慣習に準拠している。
このデータセットには、オンラインビデオコメント、ソーシャルメディア投稿、ブログ、ニュース、その他のソースからのデータが含まれている。
上位モデルは5つのクラスで0.62(イントラデータセット)のマクロf1スコアを獲得し、ベンチマークを設定し、3つのクラスで0.61(SentNoBのクロスデータセット)を得る。
論文 参考訳（メタデータ） (2023-06-09T12:07:10Z) - OneAligner: Zero-shot Cross-lingual Transfer with One Rich-Resource
Language Pair for Low-Resource Sentence Retrieval [91.76575626229824]
文検索タスク用に特別に設計されたアライメントモデルであるOneAlignerを提案する。
大規模並列多言語コーパス(OPUS-100)の全ての言語ペアで訓練すると、このモデルは最先端の結果が得られる。
実験結果から,文アライメントタスクの性能はモノリンガルおよび並列データサイズに大きく依存することがわかった。
論文 参考訳（メタデータ） (2022-05-17T19:52:42Z)
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。