Feb, 2024

关注偏移：在线讨论中寻找什么主义的语用细微差别挖掘

PDF
TL;DR本研究通过引入来自 Twitter 和 YouTube 的新数据集，揭示了 whataboutism、宣传和‘Tu quoque' 谬误之间的重叠和区别，并运用语义学的最新研究成果将 'what about' 词汇构造与 whataboutism 区分开来。我们的实验使用关注度权重进行负样本挖掘，取得了显著的进展，在 Twitter 和 YouTube 收集的数据中分别比最新技术方法提高了 4% 和 10%。
发现论文，激发创造
  • 英语边缘滥用模型在 Twitter 上对被边缘化群体过度惩罚的基于关键词的方法

    本文通过设计一种新的方法来检测和衡量基于文本的模型所涉及的潜在危害的严重性，并将该方法应用于 Twitter 的英语边缘滥用模型，以检测和测量与过度惩罚边缘社区言论相关的问题，并通过增加附加真负面示例来减轻相关危害。

    Oct, 2022

  • 如何有效地进行不同意：研究维基百科争论中使用的策略

    我们提出了一个辩论战术的框架，用于统一争议的各种方面，并注释了来自维基百科讨论页面的 213 个争议，使用变压器模型是预测争议战术的最佳选择。

    Dec, 2022

  • MythQA: 基于查询的大规模检查值得怀疑的主张检测通过多答案开放域问答

    提供可疑的虚假信息以供事实核查系统或专家核查，通过引入 MythQA 任务，包括多答案开放领域问答、针对基于查询的大规模检测值得核查的虚假声明的对立立场挖掘，构建了 TweetMythQA 数据集进行研究，提供基准系统并评估现有的自然语言处理模型，为未来模型的改进提供了关键挑战。

    Jul, 2023

  • 无法辨别使用和提及的 NLP 系统对反言进行审查，但教授这种区别有助于

    使用提及区分是 NLP 和 CSS 领域中的重要问题，本研究提出了减轻这一问题的方法，并指出其对应用场景的重要性。

    Apr, 2024

  • 通过自然语言处理进行的假新闻检测容易受到对抗性攻击

    本文探讨了现有的假新闻检测方法存在的问题，并提出加入事实核查与语言分析相结合的方法，以应对新闻篡改攻击和真实新闻被误判的情况。作者提出采用众包知识图谱解决新闻事件事实搜集的问题。

    Jan, 2019

  • 使用基于注意力机制的神经网络从异构数据源中进行跨主题争论挖掘

    本文提出了一种新的句子注释方案，用于在任意网络文本上进行争议搜索的分析，得到的神经网络模型在准确度和 F1 分数上均优于传统的双向 LSTM 模型。

    Feb, 2018

  • 自我降低风险：报告 NLP 系统失败时需谨慎的原因

    研究者应该小心关于自然语言处理技术限制的论断，本文提出了一些研究方向和沟通策略，以避免或驳斥这些论断，并维护领域的可信度。

    Oct, 2021

  • 网络评论中的辩论反对策略：分类模式的构建与训练验证

    该研究对社交媒体上的有害言论进行了内容分析，发现人们在回应有害言论时采用了多种语言策略，其中声誉攻击是最常见的。该研究为表达反对意见提供了综合视角，并探讨了阻止冒犯性或有问题言论的基层努力。

    May, 2024

  • 面对在线滥用语言：从道德和人权角度的调查

    本文主要基于八项伦理原则，即：隐私、问责、安全、可透明、公平和非歧视、技术的人类控制、专业责任、人权的促进，回顾了基于自然语言处理（NLP）的网络滥用内容检测的研究，并提出了权利尊重的社会技术解决方案来检测和对抗线上滥用。

    Dec, 2020

  • 论证挖掘的演进：从模型到社交媒体和新型工具

    本综述文章桥接了论证挖掘的理论方法和社交媒体数据诉求的实用方案之间的差距，回顾、比较和分类现有方法、技术和工具，识别了结合任务和特征的积极成果，并最终提出了一个观点架构框架。该理论框架是一种能够识别不同子任务并捕捉社交媒体文本需求的论证挖掘方案，揭示了采用更灵活、可扩展框架的需求。

    Jul, 2019