教師なし深層学習によるソーシャルメディア上の政治的学習の細粒度予測【JST・京大機械翻訳】

Fagni Tiziano; Cresci Stefano

プレプリント

J-GLOBAL ID：202202212708623948 整理番号：22P0294994

教師なし深層学習によるソーシャルメディア上の政治的学習の細粒度予測【JST・京大機械翻訳】

Fine-Grained Prediction of Political Leaning on Social Media with Unsupervised Deep Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年02月23日プレプリントサーバーでの情報更新日： 2022年02月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ソーシャルメディアユーザの政治的希薄化を予測することは,エレクトラル予測,意見ダイナミックスモデル,および分極とディス情報の政治的次元を研究するためのその有用性を考えると,ますます普及しているタスクである。ここでは,ソーシャルメディアポストのテキストコンテンツから細粒の政治的希薄化を学習するための新しい教師なし技術を提案した。本技法は,表現学習タスクにおける潜在的政治的イデオロギーを学習するための深層ニューラルネットワークを利用した。次に,ユーザは,それらが次にクラスタ化される低次元のイデオロギー空間で投影される。ユーザの政治的希薄化は,ユーザが割り当てられるクラスタから自動的に導かれる。2つの挑戦的な分類タスクでこの技術を評価し,それをベースラインとその他の最先端手法と比較した。本技法は,すべての教師なし技術の中で最良の結果が得られ,マイクロF1=0.426は,8-クラスタスクにおいてマイクロF1=0.426,3クラスタスクにおいてマイクロF1=0.772であった。他者にとって興味深いこと以外に,この結果はまた,微細粒の政治的希薄化の検出のための新規でより良い教師なしアプローチの開発への道を開いた。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , その他の情報処理 , ニューロコンピュータ , 応用心理学

, , , , , ,

前のページに戻る