计算争议
本文通过社交媒体的内容和网络结构,采用基于图的三阶段管道方法对争议进行量化分析,比较了不同的争议度量方法,图构建方法和数据来源,并证明其新的基于随机游走的度量方法优于现有度量方法。
Jul, 2015
本文主要研究如何通过 Twitter 上的两种不同的言论来生成一个明确的、具有观点感知性的结论性总结。我们的方法基于排名模型,并在五个有争议的话题上进行了测试。结果表明,我们的方法一致的优于其他技术。
Jun, 2018
本研究研究 Social Media 中的争议话题,提出了一种通过利用网络模式检测 Social Media 中争议话题的方法,该方法基于用户交互的局部模式,不需要了解自然语言,95% 的准确度比传统的句子分析方法和传播模型方法都有很大的改进。
Mar, 2017
计算研究在面对社会问题方面可以担任四种不同的角色,它可以作为诊断工具,帮助我们精确地了解和度量社会问题;作为规范制定者,计算有助于明确定义社会问题的边界和可能的应对措施;作为反驳工具,计算技术可以揭示技术手段能够解决的范围;作为提醒者,计算技术可以让长期存在的社会问题引起公众的关注。这些方向利用计算研究的特殊优势提供了服务,用于社会变革,但不会过度声称计算技术能够单独解决社会问题。
Dec, 2019
我们提出了一个具有争议性的问题数据集的构建方法,通过评估不同的大型语言模型(LLMs)在这个数据集上的表现,揭示了它们如何处理具有争议性的问题以及它们采取的立场,从而为我们提供了对 LLMs 与争议性问题的互动的理解,为改进它们对复杂社会议题的理解和处理铺平了道路。
Oct, 2023
本文介绍了第一个根据用户感知来定义争议性内容的问答数据集,并发现争议检测在问答过程中是必要且具有挑战性的,而争议与情感任务之间没有强关联。
Feb, 2023
我们提出了一项以任务为导向的知识检索研究议程,利用计算模型和人工智能技术,摄取科学知识的典籍,检索灵感、解释、解决方案和证据,直接增强人类在科学领域突出任务上的表现,进而革命性地推动科学进程。
May, 2022