要約
我々は、Willkommens-Merkel (「Welcome-Merkel」) などのドイツ語の人名複合語 (PNC) の十分に調査されていない現象に関する包括的な計算機研究を紹介します。
ニュース、ソーシャルメディア、政治的言説に広く見られる PNC は、それぞれの個人のフルネーム (アンゲラ・メルケルなど) と比較して、より肯定的または否定的な認識に反映される評価機能を発揮すると仮説が立てられています。
我々は、321 の PNC とその対応するフルネームを談話レベルでモデル化し、PNC がさまざまな計算手法を通じて捕捉できる評価的性質を持っていることを示します。
具体的には、(i) 価数規範と (ii) 事前学習済み言語モデル (PLM) を使用する 2 つのアプローチを適用および比較することにより、価数情報を通じて PNC が個人の名前よりも肯定的または否定的に評価されているかどうかを評価します。
私たちは個人情報、ドメイン固有情報、および言語外情報でデータをさらに充実させ、さまざまな回帰分析を実行して、複合語と修飾語の価数、ドメイン、政党のメンバーシップなどの要因が PNC の評価方法に影響を与えていることを明らかにしています。
要約(オリジナル)
We present a comprehensive computational study of the under-investigated phenomenon of personal name compounds (PNCs) in German such as Willkommens-Merkel (‘Welcome-Merkel’). Prevalent in news, social media, and political discourse, PNCs are hypothesized to exhibit an evaluative function that is reflected in a more positive or negative perception as compared to the respective personal full name (such as Angela Merkel). We model 321 PNCs and their corresponding full names at discourse level, and show that PNCs bear an evaluative nature that can be captured through a variety of computational methods. Specifically, we assess through valence information whether a PNC is more positively or negatively evaluative than the person’s name, by applying and comparing two approaches using (i) valence norms and (ii) pretrained language models (PLMs). We further enrich our data with personal, domain-specific, and extra-linguistic information and perform a range of regression analyses revealing that factors including compound and modifier valence, domain, and political party membership influence how a PNC is evaluated.
arxiv情報
| 著者 | Annerose Eichel,Tana Deeg,André Blessing,Milena Belosevic,Sabine Arndt-Lappe,Sabine Schulte im Walde |
| 発行日 | 2024-04-05 11:24:41+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google