Discovering collective narratives shifts in online discussions

要約

物語は人間の認識と意思決定の基礎です。
物語は社会的言説や誤った情報の拡散において重要な役割を果たしており、ソーシャル メディアの普及により、ソーシャル メディア上の物語の力学は社会に重大な影響を与える可能性があります。
しかし、オンラインの物語を体系的かつ計算的に理解するには、規模とダイナミクスという重大な課題に直面しています。
大量のテキストから物語を確実かつ自動的に抽出するにはどうすればよいでしょうか?
物語はどのように生まれ、広がり、消滅するのでしょうか?
ここでは、変化点検出、意味論的役割ラベル付け (SRL)、および物語ネットワークへの物語断片の自動集約を組み合わせることで、このギャップを埋める体系的な物語発見フレームワークを提案します。
新型コロナウイルス感染症 (COVID-19) と 2017 年のフランス選挙に関する Twitter コーパスの 2 つの合成データと経験的データを使用してモデルを評価します。
結果は、私たちのアプローチが主要な出来事に対応する主要な物語の変化を回復できることを示しています。

要約(オリジナル)

Narrative is a foundation of human cognition and decision making. Because narratives play a crucial role in societal discourses and spread of misinformation and because of the pervasive use of social media, the narrative dynamics on social media can have profound societal impact. Yet, systematic and computational understanding of online narratives faces critical challenge of the scale and dynamics; how can we reliably and automatically extract narratives from massive amount of texts? How do narratives emerge, spread, and die? Here, we propose a systematic narrative discovery framework that fill this gap by combining change point detection, semantic role labeling (SRL), and automatic aggregation of narrative fragments into narrative networks. We evaluate our model with synthetic and empirical data two-Twitter corpora about COVID-19 and 2017 French Election. Results demonstrate that our approach can recover major narrative shifts that correspond to the major events.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google