Graph Language Model (GLM): A new graph-based approach to detect social instabilities

要約

この科学レポートは、ニュース データセットを使用して重要な政治的出来事を早期に予測するための新しい方法論を示しています。
この方法論では、自然言語処理、グラフ理論、クリーク分析、セマンティック関係を活用して、データ内の隠れた予測シグナルを明らかにします。
最初に、このメソッドの暫定バージョンを設計し、いくつかのイベントでテストしました。
この分析により、初期の研究段階では限界があることが明らかになりました。
次に、2 つの主要な方法でモデルを強化しました。1 つは、さらなる処理の前に政治的に関連のあるニュースのみを考慮するフィルタリング ステップを追加したことです。
次に、入力特徴を調整して、アラート システムがデータの大幅なスパイクに対してより敏感になるようにしました。
改良された方法論を完成させた後、米国の抗議活動、ウクライナ戦争、フランスの抗議活動を含む11の出来事でそれをテストした。
結果は、ベースライン手法と比較して、私たちのアプローチの優位性を示しています。
対象を絞った改良により、私たちのモデルは、ニュース データの微妙なパターンに基づいて、主要な政治的出来事をより早期に、より正確に予測できるようになりました。

要約(オリジナル)

This scientific report presents a novel methodology for the early prediction of important political events using News datasets. The methodology leverages natural language processing, graph theory, clique analysis, and semantic relationships to uncover hidden predictive signals within the data. Initially, we designed a preliminary version of the method and tested it on a few events. This analysis revealed limitations in the initial research phase. We then enhanced the model in two key ways: first, we added a filtration step to only consider politically relevant news before further processing; second, we adjusted the input features to make the alert system more sensitive to significant spikes in the data. After finalizing the improved methodology, we tested it on eleven events including US protests, the Ukraine war, and French protests. Results demonstrate the superiority of our approach compared to baseline methods. Through targeted refinements, our model can now provide earlier and more accurate predictions of major political events based on subtle patterns in news data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google