没有合适的资源?快使用搜索试试~ 我知道了~
ACM Transactions on Internet Technology,Vol.号20第二条第八款。出版日期:2020年5月介绍计算建模和理解情绪社交互动8ROSSANA DAMIANO和VIVIANA PATTI,都灵大学信息CHLOOPHILITE CLAVEL,LTCI,巴黎电信,巴黎综合理工学院PAOLO ROSSO,瓦伦西亚理工大学CCS概念:·以人为中心的计算→社会媒体; ·计算方法→智能代理;自然语言处理;附加关键词和短语:情感计算,社会情感行为,社会互动,仇恨言论检测ACM参考格式:Rossana Damiano,Viviana Patti,Chloé Clavel和Paolo Rosso。2020.介绍了计算建模和理解情感在虚拟社会互动的特别部分。ACM Trans. Internet Technol.20,2,第8条(2020年5月),5页。https://doi.org/10.1145/33923341介绍在今天这种互动很容易从富有成果的讨论退化为冲突,其特点是仇恨言论等负面观点的表现仇恨言论,被认为是一种极端的,但典型的,表达意见,越来越多地与诽谤,虚假故事的传播交织在一起[6,9,17]。与此同时,人际冲突已成为不同社会环境中失败和歧视的主要原因,从工作场所和学校等制度化组织到个人关系[20]。发现和监测冲突是有意义的,因为冲突可能加剧我们社会中潜在的不平等,从而助长对青年人等特定群体的排斥C. Clavel的这一特刊部分得到了法国国家研究机构(ANR 17-MAOI)和欧洲项目H2020 ANIMATAS(MSCA-ITN-ETN 7659552)的资助。V的编辑工作Patti的部分资金来自Progetto di Ateneo/CSP 2016(移民,社交媒体中的仇恨和偏见,S1618_L2_BOSC_01)。P. Rosso部分由西班牙MICINN资助,研究项目MISMIS-FAKEnHATE关于社交媒体中的错误信息和错误沟通:假新闻和仇恨言论(PGC 2018 -096212-B-C31)。作者达米亚诺和V。Patti,Dipartimento di Informatica University of Turin,Corso Svizzera 185,Turin,Italy,10149;电子邮件:rossana. unito.it,patti@di.unito.it; C.Clavel,LTCI,Telecom Paris,Institut Polytechnique deParis , 46 rue Barrault , Paris , France , 75013; 电 子 邮 件 : cheap. telecom-paristech.fr; P. Rosso , UniversitatPolitècnica de València,Camino de Vera,s/n-46022,València,Spain.允许制作部分或全部本作品的数字或硬拷贝供个人或课堂使用,无需付费,前提是复制品不以营利或商业利益为目的制作或分发,并且复制品在第一页上带有此通知和完整的引用必须尊重本作品第三方组件的版权对于所有其他用途,请联系所有者/作者。© 2020版权归所有者/作者所有。1533-5399/2020/05-ART8https://doi.org/10.1145/3392334ACM Transactions on Internet Technology,Vol.号20第二条第八款。出版日期:2020年5月八:2R. Damiano等人人(欺凌和网络欺凌)、妇女(厌女症)和移民(仇恨言论)。从这个意义上说,在冲突的社会互动中情绪的计算模型的可用性可以在对比歧视和实现未来社会的平等和凝聚力的目标方面产生实际影响。在人际层面上,冲突会对生活质量和所涉人员的情感健康产生负面影响。理解冲突的情感动力学对于在涉及人工代理的社会环境中建模人类行为以及设计具有社会意识的人工系统也很重要。目前监控和限制冲突相关现象传播的方法主要依赖于标准的情感模型,这些模型没有将情感解释为语言行为背后复杂例如,道德情感具有推动社交媒体情感分析的潜力,特别是因为它们提供了对仇恨言论背后动机的见解[4,11]。根据前面概述的背景,本特刊的目标有两个:在建模方面,包括在人际和社会互动的计算模型中对情绪的更细粒度的描述,目标是监控和处理社交媒体中的冲突以及人与人和人与代理的互动。在处理方面,利用机器学习和推理技术的最新进展来设计更有效的人际和社会冲突计算模型最后但并非最不重要的是,新方法的开发需要共享资源的可用性,例如专门的数据集,注释模型,基准测试工具和语言资源,以激发和验证实验范式中的模型和方法[1]。2冲突性社会互动中情绪的预防性建模和理解专题这一特别部分中的文章论述了情绪在不同背景下(从人际关系到社会媒介)冲突的出现和表现中的作用,并提供了研究工具,检测和分类具有新颖资源和方法的冲突在 “Sub-Population Models of Couples' Conflicts : Automatically Detecting InterpersonalConflict Through the Ambulatory Monitoring of Couples' Physiological Signals , AudioSamples,and Linguistic Indices”[ 10 ]中,作者通过使用可穿戴设备获得的声学、语言和生理指标,结合自我报告的数据,解决了浪漫关系中冲突的检测问题。对于每个子群体,前馈神经网络进行训练,使用分层和自适应方法进行冲突分类。子群体模型的表现优于在整个群体上训练的模型,并且通过自适应训练获得了稍好的结果。不同的模型适用于不同的亚人群,而通过问卷调查收集的自我报告特征本身比所有单独的基于信号的指数更有效;当收集信号指数时,情况正好相反然而,冲突的分类被证明是不统一的子人群,与人口的依恋和满意度参数的变异性更高,更容易处理的分类任务。作者报告的结果为机器学习技术在健康应用中的使用开辟了一个新的视角,因为它们突出了对跨学科模型和方法的需求,以解决以内在复杂性为特征的领域,如人际关系。在“A Multilingual E valuation for or Online Hate Spee c h D et e”[ 5 ]中··计算建模专题介绍八:3ACM Transactions on Internet Technology,Vol.号20第二条第八款。出版日期:2020年5月挑战. 这篇文章的主要贡献之一是确定适合跨语言环境中任务的深度学习架构,以及选择最佳功能(例如,单词和表情符号嵌入,社交网络特定功能,或情感和仇恨词汇[2]),可以用来开发更好的仇恨语音检测系统。建议的架构进行了评估,免费提供的数据集在英语,德语和意大利语,并讨论了各种参数对不同语言的仇恨言论检测的影响。多语言问题是过去几年滥用语言检测任务的挑战之一事实上,大多数流行的社交媒体,如Twitter、Facebook和Instagram,都是多语言的,鼓励用户用他们的主要语言进行互动因此,迫切需要开发一种在多语言环境中检测滥用语言的强大方法[12],以及支持更好地遵守政府对抵制仇恨言论现象的要求(例如, 参见最近发布的欧盟委员会关于打击在线非法仇恨言论的行为准则[ 7 ])。即使到目前为止大多数研究都集中在英语上,但在过去两年中为不同语言开发的滥用语言数据集的可用性,包括意大利语[3,8,16],西班牙语[1,8]和德语[19],构成了这方面取得进展的绝佳条件Mandola:使用机器学习和大数据方法监测,检测,可视化和报告在线仇恨相关语音的spr r r ead和渗透率[13]描述了一个大数据处理框架的开发,用于检测,监控和可视化社交媒体中的在线仇恨言论,通过从包括Twitter在内的不同来源收集实时数据所提出的框架的架构包括数据处理管道,其中利用自动仇恨言论检测引擎的输出来馈送可视化仪表板,其允许用户以不同的基于地图的可视化的形式探索仇恨言论监测过程的结果。仇恨语音检测模型基于一种新型的基于集成的分类算法,该算法依赖于传统的机器学习和深度学习技术。该模型成功地评估了不同的国家的最先进的方法仇恨言论检测的基础上,可用的基准数据集注释的仇恨和进攻。一个与美国一个真实的仇恨事件相关的用例展示了MANDOLA框架和可视化仪表板的功能。这篇文章通过以一种新颖有趣的方式将自然语言处理和机器学习技术与大数据分析和可视化技术相结合来解决一个非常重要的问题。Mandola考虑到社交媒体监控平台法规带来的新挑战,这是一个值得赞赏的方面。文章“DetectingMisogynyandXenophobiainSpanishTweets:CreateAppropriateLanguageResourcesforHateSpeechDetectioninSpanish”[14]解决了西班牙语推文中部分叠加的厌恶女性和仇外心理领域的仇恨言论检测,这代表了当今社会的重要社会问题,迫切需要有效的工具。作者比较了不同但标准的机器学习方法用于仇恨语音检测,即基于词典的方法,监督机器学习方法和深度学习方法。主要结论是,基于词典和监督的机器学习方法的组合产生最好的结果。深度学习技术的有效性仍然是开放的,因为在这项研究中,由于数据集的大小有限,它被证明不如其他更简单的方法有效由于本文中测试的方法最初是为英语开发的,因此将其用于不同的语言为它们适应其他语言提供了参考方法,包括从八:4R. Damiano等人ACM Transactions on Internet Technology,Vol.号20第二条第八款。出版日期:2020年5月现有资源。尽管所提出的方法在不同语言之间具有可移植性,但作者警告说,需要考虑仇恨言论的语言特异性现象为了做到这一点,他们报告了西班牙语中辱骂性语言的一些重要特征,西班牙语的表达方式比英语更多样,部分原因是西班牙语中相反的极性可以结合起来形成复杂的表达方式。在 “E2Vec : Learn Emotional Embeddings to Identify Sentimentally Similar WordsModels”[ 18 ]中提出的工作所研究的社交网络包括酒店和电影评论、新闻标题以及中英文微博。作者解决了将情感和情感信息添加到预先训练的词嵌入的挑战性问题。情感信息是从情感的维度和分类心理学模型-Plutchik的车轮模型[ 15 ]-构建的,向量计算位置Plutchik的轮子模型中的单词。预训练的词嵌入根据它们与来自所提供的词典的情感词的接近度进行修改。通过比较情感嵌入与传统嵌入在两个任务中的性能来评估所提出的表示:情感分析(极性分类)和多类别情感分类。结果表明,情感嵌入提高了分类系统在社交网络数据集上的性能。3总结发言情绪和情感可以为检测和监测不同类型的社会互动中的冲突提供有用的概念和实用工具,正如本特刊中的文章所研究的那样,可能有助于从数据驱动的角度修订和完善冲突的理论模型在过去十年中,全球一级发生的冲突为通过社交媒体和传感器收集关于几个有争议的主题的冲突数据提供了几个机会不幸的是,不同类型的环境因素--当前的COVID-19疫情就是一个例子,伴随着争议--很可能在不久的将来再次出现这种从这个意义上说,旨在收集更多数据的举措将在未来至关重要,以改善我们在冲突相互作用中的情绪计算模型,从而为在全球一级处理冲突提供有用的工具致谢我们要感谢刘玲主编和ACM和ACM TOIT的编辑人员在困难时期的支持,以及所有作者的宝贵贡献。引用[1] Valerio Basile,Cristina Bosco,Elisabetta Fersini,Debora Nozza,Viviana Patti,Francisco Manuel Rangel Pardo,Paolo Rosso,and Manuela Sanguinetti. 2019. SemEval-2019任务5:Twitter中针对移民和女性第13届国际语义评估研讨会论文集。54比63 DOI:https://doi.org/10.18653/v1/S19-2007[2] Elisa Bassignana Valerio Basile和Viviana Patti2018年Hurtlex:一个多语种的词汇伤害。 第五届意大利计算语言学会议(CLiC-it'18)。第六章http://ceur-ws.org/Vol-2253/paper49.pdf[3] 克里斯蒂娜·博斯科,费利斯·德尔奥莱塔,法比奥·波莱托,曼努埃拉·桑吉内蒂和毛里齐奥·特斯科尼。2018.概述EVALITA 2018仇恨言论检测任务。第六届意大利语自然语言处理和语音工具评估活动论文集。最终研讨会(EVALITA9. http://ceur-ws.org/Vol-2263/paper010.pdf计算建模专题介绍八:5ACM Transactions on Internet Technology,Vol.号20第二条第八款。出版日期:2020年5月[4] 作者:William J.约翰·威尔斯作者:Joshua A. Tucker,and Jay J. Van Bavel. 2017.情感塑造了道德化内容在社 交 网 络 中 的 传 播 美 国 国 家 科 学 院 院 刊 114 , 28 ( 2017 ) , 7313DOI :https://doi.org/10.1073/pnas.1618923114[5] Michele Corazza,Stefano Menini,Elena Cabrio,Sara Tonelli,and Serena Villata. 2020.在线仇恨言论检测的多语言评估ACM互联网技术交易:关于情感的特别部分在虚拟社会互动20,2(2020年3月),第10条,22页。DOI:https://doi.org/10.1145/3377323[6] 托马斯·戴维森,达纳·沃姆斯利,迈克尔·梅西,英格玛·韦伯。2017.自动仇恨言论检测和冒犯性语言的问题。第11届网络和社交媒体国际会议(ICWSM512-515.https://aaai.org/ocs/index.php/ICWSM/ICWSM17/paper/view/15665/14843[7] 欧盟委员会。2016.欧盟打击网上非法仇恨言论行为守则。检索2020年4月18日,来自https://ec.europa.eu/info/policies/justice-and-fundamental-rights/combatting-discrimination/racism-and- 仇 外 心理/countering-illegal-hate-speech-online_en#theeucodeofconduct。[8] Elisabetta Fersini,Paolo Rosso,and Maria Anzovino. 2018. IberEval 2018上的自动厌女症识别任务概述 在第三届伊比利亚语言人类语言技术评估研讨会(IberEval '18)的会议记录中,与第34届西班牙自然语言处理学会会议(SEPLN'18)共同举办。214-228. http://ceur-ws.org/Vol-2150/overview-AMI.pdf。[9] 保拉·德·拉和塞尔吉奥·努内斯。2018.文本中仇恨言论的自动检测研究综述。ACM计算调查51,4(2018年7月),第85条,30页。DOI:https://doi.org/10.1145/3232676[10] Krit Gupta,Aditya Gujral,Theodora Chaldi,Aubert C. Timmons,Sohyun Han,Yehsong Kim,Sarah Barrett,Stassja Sichko , and Gayla Margolin. 2020. 夫 妻 冲 突 的 亚 群 体 特 定 模 式 。 ACM Transactions on Inter-netTechnology:Special Section on Emotions in Questual Social Interaction20,2(March 2020),Article 9,20pages.DOI:https://doi.org/10.1145/3372045[11] Jonathan Haidt 2003.道德情感。在《情感科学手册》中,R。J. Davidson,K. R. Scherer和H. H. Goldsmith(编).牛津大学出版社,牛津,英国,852[12] 恩当·瓦尤·帕蒙卡斯和薇薇安娜·帕蒂。2019.跨领域和跨语言的滥用语言检测:深度学习和多语言词典的混 合 方 法第 57 届 计 算 语 言 学 协 会 年 会 论 文 集 : 学 生 研 究 研 讨 会 。 363-370 。 DOI :https://doi.org/10.18653/v1/P19-2051[13] Demetris Paschalides,Dimosthenis Stephanie,Andreas Andreou,Kalia Orphanou,George Pallis,Marios D.迪卡亚科斯,和伊万杰洛斯·马卡托斯. 2020. MANDOLA:一个大数据处理和可视化平台,用于监控和检测在线仇恨言论。 ACM互联网技术交易:关于情感的特殊部分在虚拟社会互动20,2(2020年3月,第11条,21页。DOI:https://doi.org/10.1145/3371276[14] Flor-Miriam Plaza-Del-Arco,M.多洛雷斯·莫利纳-冈萨雷斯湖Alfonso Ureña López,and M.特蕾莎·马丁·瓦尔迪维亚2020.使用语言技术检测西班牙语推文中的厌女症和仇外心理。ACM互联网技术交易:关于情感的特别部分在虚拟社会互动20,2(2020年3月),第12条,19页。DOI:https://doi.org/10.1145/3369869[15] 罗伯特·普卢奇克2001年情感的本质:人类情感有着深刻的进化根源,这一事实可以解释它们的复杂性,并为临床实践提供工具American Scientist89,4(2001),344[16] Manuela Sanguinetti,Fabio Poletto,Cristina Bosco,Viviana Patti,and Marco Stranisci.2018年一个意大利推特上针对移民的仇恨言论语料库第11届语言资源与评估国际会议8. https://www.aclweb.org/anthology/L18-1443。[17] 安娜·施密特和迈克尔·韦根。2017.基于自然语言处理的仇恨言论检测研究综述。第五届社交媒体自然语言处理国际研讨会论文集。1比10 DOI:https://doi.org/10.18653/v1/W17-1101[18] 王硕和孟晓峰。2020. 2Vec:通过多情感类别学习情感嵌入。ACM Transactions on Internet Technology:Special Section on Emotions in Questual Social Interaction20,2(March 2020),1[19] 迈克尔·韦根,梅勒妮·西格尔,约瑟夫·鲁彭霍夫。2018. GermEval 2018共享任务概述攻击性语言的识别。在GermEval 2018会议记录中,第14届自然语言处理会议(KONVENS1比10[20] W. Wilmot和J.霍克2013年。人际冲突(第九版)。McGraw-Hill,New York,NY.
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 最优条件下三次B样条小波边缘检测算子研究
- 深入解析:wav文件格式结构
- JIRA系统配置指南:代理与SSL设置
- 入门必备:电阻电容识别全解析
- U盘制作启动盘:详细教程解决无光驱装系统难题
- Eclipse快捷键大全:提升开发效率的必备秘籍
- C++ Primer Plus中文版:深入学习C++编程必备
- Eclipse常用快捷键汇总与操作指南
- JavaScript作用域解析与面向对象基础
- 软通动力Java笔试题解析
- 自定义标签配置与使用指南
- Android Intent深度解析:组件通信与广播机制
- 增强MyEclipse代码提示功能设置教程
- x86下VMware环境中Openwrt编译与LuCI集成指南
- S3C2440A嵌入式终端电源管理系统设计探讨
- Intel DTCP-IP技术在数字家庭中的内容保护
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功