大象传媒

　オンラインチャットでは、会话の内容が本来のトピックから逸脱し、个人攻撃に発展することがあります。本研究では、このような会话脱线现象を予测する手法として、大规模言语モデルとゼロショット予测を用い、プラットフォームごとに学习を行わなくても十分な精度で予测可能なことを示しました。

　厂狈厂や电子掲示板で行われるオンラインチャット上の会话には、ユーザーの有害なふるまいがしばしば観察されます。そこで、オンラインチャット上の会话が本来の会话トピックの内容から逸脱し、个人攻撃へと発展する「会话脱线现象」について、会话脱线を検出し、モデレーションするための予测アルゴリズムの开発が行われてきました。しかし、これまでの研究は、特定のプラットフォームのデータに依存して进められおり、他のプラットフォームへの応用には新しいデータセットの构筑にコストがかかることが课题でした。

　本研究では、大规模言语モデルを用い、学习データセットがなくてもデータを予测できる「ゼロショット予测」の手法を会话脱线现象の予测に适用しました。多様な大规模言语モデルを検証し、従来整备されたデータセットに対して、大规模言语モデルごとのゼロショット予测の精度の平均値と、学习データにより调整された深层学习アルゴリズムの精度を比较しました。

　その结果、特定プラットフォームの学习を行っていない大规模言语モデルでも、従来开発されたアルゴリズムと同等以上の精度を达成することを示しました。これにより、プラットフォーム运営者が、会话脱线予测を低コストで実行できるようになり、さまざまなプラットフォームにおいて、会话モデレーションによるコミュニティの健全な発展が促されることが期待されます。

笔顿贵资料

プレスリリース

研究代表者

筑波大学ビジネスサイエンス系

野中 賢也　リスク?レジリエンス工学学位プログラム（博士後期課程）1年次

掲载论文

【题名】

Zero-Shot Prediction of Conversational Derailment With Large Language Models
（大规模言语モデルによる会话脱线のゼロショット予测）

【掲载誌】

IEEE Access

【顿翱滨】

関连リンク