online discussions | BriefGPT

关键词online discussions

搜索结果 - 12

基于机器反馈的强化学习器改写不当论证的 LLM
通过基于强化学习的重写方法，平衡内容保留和恰当性，该研究通过评估不同的奖励函数权重方案，证明可以在很大程度上改善争论的不适当性，而且胜过其他竞争对手基线模型。
PDFa month ago
跨语言现实事件中的有毒性
我们研究了真实世界事件对在线讨论中毒性起源和传播的影响，通过收集来自六种不同语言（荷兰语、英语、德语、阿拉伯语、土耳其语和西班牙语）的 Reddit 数据，包含了 15 个重大社会政治事件在 2020 年至 2023 年期间发生时产生的 4
PDFa month ago
大规模分类阴谋爆料：虚假警报和错误关联
在线讨论中经常涉及阴谋论，本研究针对不同主题和在线社区中的阴谋论讨论建立了一个以作者对阴谋信念的观点为基础的分类体系，并通过人工标注的训练数据使用基于 BERT 的模型进行分类，结果显示 GPT 在逻辑推理方面存在显著缺陷，与我们的分类器相
PDF3 months ago
EMNLP网络讨论中的价值观差异对意见不合的影响
在线讨论中存在分歧，个人价值观的差异是在线讨论分歧的指示；我们通过先进的模型估计在线讨论的价值观，并将其聚合成价值观档案，发现价值观档案的差异与特定情况下的分歧相关，并发现将价值信息纳入协议预测可以提高性能。
PDF8 months ago
Persua：一种用于增强在线讨论中论点说服力的可视化交互系统
这篇论文通过调查问卷和专家访谈，研究讨论区中使用的四种设计目标，进而构建了一个标记数据集以分析和提高辩论的说服力。使用基于不同说服策略的包含具体案例的分析工具，Persua 鼓励用户提交更多反馈，帮助他们在辩论中提高说服力，同时该系统设计考
PDF2 years ago
越南开放式社交媒体评论的建设性和有毒言论检测
在本文中，我们使用越南自然语言处理中的 PhoBERT 等最先进的迁移学习模型，提出了一个用于建设性和有毒言论检测的系统，并使用 10000 个人工注释的评论创建了一个名为 UIT-ViCTSD 的数据集，从而解决了社交媒体评论质量低下和有
PDF3 years ago
毒性检测：上下文是否真的重要？
该研究探讨了上下文信息是否影响文本模型对于评论内容的判断，结果发现上下文信息能够强化或减轻评论内容的毒性，但是定量证据表明，加入上下文信息并不能提高文本模型评价评论内容毒性的表现。
PDF4 years ago
EMNLP危机向前方：预测线上对话走向混乱
该研究提出了一种预测在线讨论可能偏离主题的模型，通过对话建模来捕捉话题的动态及其可能的演变，从而在讨论真正变得混乱之前预测可能的混乱。
PDF5 years ago
ACL对话失效：检测对话失败的早期迹象
本研究旨在提出一种初始预测在线讨论是否会演变成骚扰或人身攻击的框架，该框架可以捕捉与未来在线讨论轨迹相关的优雅用语等语言特征，并在受控环境中展示了检测在线讨论的早期预警迹象的可行性。
PDF6 years ago
识别驱动在线讨论的社会信号：Reddit 社区案例研究
该研究聚焦于 Reddit 上的在线讨论，通过对不同社区的评论进行大量情感、相关性和内容分析，揭示了不同社区内高得分帖子的特征，进而探究社区话题的特异性、受众与管理水平对社区讨论的影响。
PDF7 years ago
学习隐含本地对话模式，预测在线讨论社区认可度
本文提出了利用神经网络来预测社交媒体网络中观点赞同度的方法，结合了评论者的参与方式以及评论文本，通过一种新颖的神经网络结构可以学习隐含的讨论结构特征并探讨了其在权重文本特性方面对提高预测精度的作用。
PDF8 years ago
ACL通过社交调整情感词典提高在线讨论中的一致性和不一致性识别
本文提出了基于同调条件随机场的序列模型，结合社交定向词典，高效地解决了在线讨论中赞成和反对问题的标记，结果在 Wikipedia Talk pages 和在线辩论数据集上均优于现有方法，特别地，本研究中提出的同调 CRF 模型，相对于线性链
PDF8 years ago