배후는 누구인가? 독일어 텔레그램 게시물에서 음모론적 행위자 어노테이션 및 추출
Who's Behind It? Annotating and Extracting Conspiratorial Actors from German Telegram Posts
한국어 초록
음모론은 흔히 중요한 사건을 강력하고 비밀스러운 행위자의 행동 탓으로 돌립니다. 계산적 연구는 주로 음모론에 대한 문서 수준의 분석에 집중해 온 반면, 이러한 서사를 이끄는 행위자를 식별하는 데는 상대적으로 덜 주목해 왔습니다. 본 연구에서는 음모론적 행위자에 대한 어노테이션 가이드라인을 개발하고, 스팬(span) 어노테이션이 적용된 독일어 텔레그램 게시물 코퍼스를 제시하며, 트랜스포머(transformer) 기반 모델을 사용한 자동 추출을 조사합니다. 나아가 도출된 모델을 독일어 음모론 관련 텔레그램 채널의 대규모 아카이브인 Schwurbelarchiv에 적용합니다. 실험 결과는 음모론 담화의 언어적 복잡성에도 불구하고 음모론적 행위자를 유의미한 일치도로 어노테이션할 수 있으며 합리적인 정확도로 추출할 수 있음을 보여주어, 음모론 서사에서 행위자 표현에 대한 대규모 분석을 가능하게 합니다.
원문 초록
Conspiracy theories commonly attribute important events to the actions of powerful and secretive actors. While computational research has largely focused on document-level analyses of conspiracy theories, less attention has been paid to identifying the actors that drive such narratives. We develop annotation guidelines for conspiratorial actors, present a span-annotated corpus of German Telegram posts, and investigate their automatic extraction using transformer-based models. We further apply the resulting model to the \textit{Schwurbelarchiv}, a large-scale archive of German conspiracy-related Telegram channels. Our results demonstrate that conspiratorial actors can be annotated with meaningful agreement and extracted with reasonable accuracy despite the linguistic complexity of conspiracy discourse, enabling large-scale analyses of actor representations in conspiracy narratives.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
- arXiv:2607.04962v2제출 시각 미확인
- arXiv:2607.04962v1제출 시각 미확인
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
UCSC NLP at SemEval-2026 Task 10: 음모론 탐지를 위한 경계 인식 스팬 추출 및 RoBERTa 분류
UCSC NLP at SemEval-2026 Task 10: Boundary-Aware Span Extraction and RoBERTa Classification for Conspiracy Detection
우리는 음모론 마커 추출(Subtask 1)과 문서 수준 음모론 탐지(Subtask 2)를 다루는 SemEval-2026 Task 10 (PsyCoMark)을 위한 시스템을 제시한다. 마커 추출을 위해, 해당 과제를 열거된 후보 스팬에 대한 다중 레이블 스팬 분류(multi-label span classification)로 정식화하며, IoU >= 0.95 양성 레이블링, 하드 네거티브 샘플링(hard-negative sampling), 경계 인식 스팬 표현을 활용한 포함 기반 비최대 억제(NMS)를 사용한다. 문서 분류(document classification)는 레이블 스무딩(label smoothing)과 계층화된 학습-검증(train-validation) 분할을 적용한 시퀀스 분류기(sequence classifier)로 독립적으로 모델링된다. 분석 결과, 개체 유사 역할(Actor, Victim)은 강건하게 탐지되는 반면, 추상적 역할(Action, Effect, Evidence)은 경계 기준에 민감하게 남아 있음을 보여준다. 공식 테스트 셋에서 우리 시스템은 Subtask 1에서 7위(0.2251 macro F1), Subtask 2에서 11위(0.7694 weighted F1)를 기록하였다.
대규모 구조화 문헌 마이닝을 위한 도메인 적응 사전학습 기반 수처리 의미 표상 향상
Domain-Adaptive Pretraining Enhances Water Treatment Semantic Representation for Large-Scale Structured Literature Mining
수처리 연구가 급격히 확장되고 있으나, 이러한 연구로부터 도출된 많은 지식은 비정형 문헌 전반에 흩어져 있는 상태로 남아 있다. 이 분야는 대규모 문헌 마이닝을 위해 수처리 특화 도메인 의미를 효율적으로 포착할 수 있는 전용 언어 모델이 여전히 부족하다. 본 연구에서는 수처리 텍스트로부터 의미 표상(semantic representation) 및 구조화된 정보 추출을 수행하도록 설계된 도메인 적응 인코더 모델인 WaterBERT를 개발하여 이를 해결한다. WaterBERT는 약 29억 7천만 개의 토큰으로 구성된 대규모 수처리 말뭉치에 대한 지속 사전학습(continual pretraining)을 통해 개발되었다. WaterBERT를 기반으로 파인튜닝된 세 가지 모델을 다운스트림 태스크에서 체계적으로 평가한 결과, 다중 클래스 처리 공정 분류에서 F1 점수 90.12%, 개체명 인식에서 79.50%, 관계 추출에서 74.04%를 기록하며 범용 및 도메인 특화 BERT 모델 중 전반적으로 가장 우수한 성능을 달성했다. 이러한 벤치마크 태스크를 넘어, 대규모 문헌 처리에 대한 WaterBERT의 이점을 추가로 입증했다. 5,144편의 Environmental Science & Technology 논문에 적용된 WaterBERT-BERTopic은 사전에 정의된 범주 없이도 일관되고 다양하며 도메인에 특화된 연구 주제를 식별했다. WaterBERT를 기반으로 693,211개의 초록을 처리하여 상용 대규모 언어 모델(LLM)보다 현저히 낮은 비용으로 경쟁력 있는 추출 성능을 유지하면서 구조화된 수처리 지식 그래프를 구축했다. 이후 이 지식 그래프를 어휘 및 조밀 검색(dense retrieval)과 통합하여 수처리 지식 증강 검색 시스템(WaterKERS)을 개발했으며, 이는 관련성 점수 77.7을 달성하여 텍스트 기반 검색 베이스라인(54.7-64.5)을 크게 능가했다. 본 연구는 WaterBERT를 통해 수처리 연구에서의 대규모 정보 처리 및 근거 매핑을 위한 컴팩트하고 확장 가능한 의미론적 기반을 제공한다.
LA-RL: 정보 추출에서 강화학습을 위한 레이블 인식 자기 반성
LA-RL: Label-Aware Self-Reflection for Reinforcement Learning in Information Extraction
대규모 언어 모델(LLM)은 정보 추출(IE)에서 큰 잠재력을 보이지만, 기존의 반성(reflection) 기반 수정 방법은 구조화된 추출 출력과 종종 정렬되지 않는다. 자유 형식의 자기 반성(self-reflection)은 오류를 표시할 수는 있으나, 실패가 누락된 스팬(span), 잘못된 레이블, 경계 불일치, 유효하지 않은 관계 유형, 또는 뒤바뀐 인자 순서 중 어느 것인지는 거의 식별하지 못한다. 우리는 LA-RL(Label-Aware Reflective Reinforcement Learning, 레이블 인식 반성 강화학습)을 제안한다. 이는 작업에 기반한 진단 레이블로 IE 자기 수정을 안내하는 결과 지도(outcome-supervised) 프레임워크이다. 단일 백본(backbone)이 먼저 추출을 예측하고, 작업별 오류 레이블을 진단한 뒤, 진단 결과를 조건으로 출력을 수정한다. 학습은 주석 모델(annotation model)이 레이블을 부여한 진단 데이터로부터 콜드 스타트 지도 미세조정(SFT)을 시작하며, 프로세스 보상 모델 없이 최종 추출 품질, 형식 유효성, 1차 통과 정확성에 보상을 주는 두 단계의 GRPO를 거친다. 개체명 인식, 관계 추출, 이벤트 추출 실험에서 SFT 대비 동일 백본에서 일관된 성능 향상을 보였으며, SciER 관계 추출에서 평균 F1 6.83, 분포 외(out-of-distribution) 관계 추출에서 약 20 F1, DuEE1.0에서 트리거 F1 14.80과 인자 F1 17.50을 기록했다. 절제(ablation) 실험은 반성 구조가 작업에 민감함을 보여준다. 더 강한 제약은 관계 추출에 유리한 반면, 개체명 인식은 도메인 이동(domain shift) 하에서 덜 제한적인 수정이 필요하다.
슬라브어권 설득 기법 말뭉치
A Corpus of Persuasion Techniques in Slavic Languages
설득 기법은 다양한 미디어에서 여론을 움직이는 데 사용되는 강력한 수사적 도구이다. 우리는 슬라브어에 초점을 맞춘 새로운 설득 기법 말뭉치를 제시한다. 본 말뭉치는 불가리아어, 폴란드어, 러시아어로 작성된 문서를 포함하며, 거친 단위의 텍스트 범위 수준과 세밀한 문장 수준에서 설득 기법이 주석 처리되어 있다. 해당 기법들은 여섯 가지 광범위한 수사적 설득 전략 범주로 묶인 25개의 세밀한 설득 기법 분류 체계에서 도출된다. 본 말뭉치는 국내외적으로 뜨겁게 논의되는 주제를 다루는 222개 문서에서 약 7,500개의 텍스트 범위를 포함한다. 우리는 말뭉치 구축 과정을 설명하고 상세한 통계를 제공하며, 주제와 설득 기법 간의 상관관계를 분석한다. 텍스트 범위 수준 및 문장 수준에서 설득 기법의 탐지 및 분류(classification)를 위한 기준선과 벤치마크 결과를 제공하기 위해 고전적 ML 기반 모델과 생성형 AI 기반 모델을 활용한다.
CVE-TTP KG: Knowledge Graph Linking Software Vulnerabilities to Attack Behaviors
LC-ICL: 강건한 정보 추출을 위한 레이블 가이드 대조적 문맥 내 학습
LC-ICL: Label-Guided Contrastive In-Context Learning for Robust Information Extraction
정보 추출(IE) 분야에서 고급 대규모 언어 모델(LLM)의 능력을 탐구하는 관심이 증가하고 있으며, 특히 개체명 인식(NER) 및 관계 추출(RE) 관련 태스크에 초점이 맞춰지고 있다. 연구자들이 LLM과 함께 문맥 내 학습(ICL)을 통한 퓨샷 정보 추출 활용을 탐구하고 있지만, 시연에 올바른 예시나 긍정적 예시만을 사용하는 경향이 있으며, 학습 과정에 잘못된 예시나 부정적 예시를 통합하는 잠재적 가치는 간과하고 있다. 본 논문에서는 문맥 내 학습 시연을 구성하기 위해 올바른 샘플과 잘못된 샘플 구성을 모두 활용하는 새로운 퓨샷 기법인 LC-ICL을 제안한다. 이 접근법은 오류 원인 레이블로 주석된 부정 샘플과 긍정 샘플을 결합하여 LLM이 개체와 관계를 추출하는 능력을 향상시킨다. 이러한 레이블은 오류 예시 내의 더 상세한 오류 특징을 드러내어, 모델이 유사한 예측이 왜 실패하는지 이해하고 추론 시 동일한 오류를 반복하지 않도록 한다. 구체적으로, 제안하는 방법은 어려운 부정 샘플과 테스트와 가장 가까운 긍정 이웃의 내재적 문맥 정보 및 가치 있는 정보를 활용한 뒤, LLM 기반의 문맥 내 학습 시연을 적용한다. 다양한 데이터셋에 대한 실험 결과, LC-ICL은 기존 퓨샷 문맥 내 학습 방법을 능가하며 광범위한 관련 태스크에 걸쳐 성능을 실질적으로 향상시킨다. 이러한 향상은 다양한 시나리오에서 우리 접근법의 범용성을 보여주는 주목할 만한 결과이다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.