Hierarchical Narrative Analysis: Unraveling Perceptions of Generative AI

要約

書かれた文章には著者の視点が反映されており、文献の徹底的な分析は人文科学や社会科学などの分野における重要な研究方法となっています。
ただし、感情分析やトピックモデリングなどの従来のテキストマイニング手法では、より深い議論のパターンを明らかにする階層的な物語構造を捕捉する能力に限界があります。
このギャップに対処するために、大規模言語モデル (LLM) を活用してこれらの構造を抽出し、階層フレームワークに編成する方法を提案します。
私たちは、日本の文化庁が収集した生成 AI に関する世論を分析し、支持者と批判者の話を比較することで、このアプローチを検証します。
私たちの分析は、生成 AI に関する意見の相違に影響を与える要因をより明確に視覚化し、同意と不一致の構造についてのより深い洞察を提供します。

要約(オリジナル)

Written texts reflect an author’s perspective, making the thorough analysis of literature a key research method in fields such as the humanities and social sciences. However, conventional text mining techniques like sentiment analysis and topic modeling are limited in their ability to capture the hierarchical narrative structures that reveal deeper argumentative patterns. To address this gap, we propose a method that leverages large language models (LLMs) to extract and organize these structures into a hierarchical framework. We validate this approach by analyzing public opinions on generative AI collected by Japan’s Agency for Cultural Affairs, comparing the narratives of supporters and critics. Our analysis provides clearer visualization of the factors influencing divergent opinions on generative AI, offering deeper insights into the structures of agreement and disagreement.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google