論文の概要: Large-scale analysis of grooming in modern social networks
- arxiv url: http://arxiv.org/abs/2004.08205v1
- Date: Thu, 16 Apr 2020 14:23:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 21:53:56.633521
- Title: Large-scale analysis of grooming in modern social networks
- Title（参考訳）: 近代社会ネットワークにおけるグルーミングの大規模分析
- Authors: Nikolaos Lykousas, Constantinos Patsakis
- Abstract要約: この研究は、ソーシャルライブストリーミングサービスにおけるこの問題の詳細な分析を初めて提供する。
調査中のサービスであるLiveMeのモデレーションメカニズムを回避した,捕食行動とチャットでのグルーミングを識別する。
分析の結果,未成年者に対するグルーミングの可能性が示唆され,これらのプラットフォームにおける問題の範囲が示唆された。
- 参考スコア（独自算出の注目度）: 11.878820609988695
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social networks are evolving to engage their users more by providing them
with more functionalities. One of the most attracting ones is streaming. Users
may broadcast part of their daily lives to thousands of others world-wide and
interact with them in real-time. Unfortunately, this feature is reportedly
exploited for grooming. In this work, we provide the first in-depth analysis of
this problem for social live streaming services. More precisely, using a
dataset that we collected, we identify predatory behaviours and grooming on
chats that bypassed the moderation mechanisms of the LiveMe, the service under
investigation. Beyond the traditional text approaches, we also investigate the
relevance of emojis in this context, as well as the user interactions through
the gift mechanisms of LiveMe. Finally, our analysis indicates the possibility
of grooming towards minors, showing the extent of the problem in such
platforms.
- Abstract（参考訳）: ソーシャルネットワークは、より多くの機能を提供することによって、ユーザーをもっと巻き込むように進化している。
最も注目を集めているのがストリーミングだ。
ユーザーは毎日の生活の一部を世界中に配信し、リアルタイムで交流することができる。
残念なことに、この機能はグルーミングに利用されている。
本研究では,ソーシャルライブストリーミングサービスにおけるこの問題の詳細な分析を行う。
より正確には、私たちが収集したデータセットを使用して、調査中のサービスであるlivemeのモデレーションメカニズムをバイパスしたチャットの捕食行動やグルーミングを特定します。
従来のテキストアプローチ以外にも,この文脈における絵文字の関連性や,LiveMeのギフトメカニズムによるユーザインタラクションについても検討する。
最後に,未成年者に対するグルーミングの可能性を示し,そのようなプラットフォームにおける問題の程度を示す。
関連論文リスト
- Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。
本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。
大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
論文 参考訳（メタデータ） (2024-09-13T18:28:12Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-05-23T16:40:07Z) - Analyzing Norm Violations in Live-Stream Chat [49.120561596550395]
本研究は,ライブストリーミングプラットフォーム上での会話における規範違反を検出することを目的とした,最初のNLP研究である。
ライブストリームチャットにおける標準違反カテゴリを定義し、Twitchから4,583のコメントを注釈付けします。
以上の結果から,適切なコンテキスト情報がモデレーション性能を35%向上させる可能性が示唆された。
論文 参考訳（メタデータ） (2023-05-18T05:58:27Z) - Socialz: Multi-Feature Social Fuzz Testing [8.40868688916685]
Socialzはソーシャルファズテストの新しいアプローチである。
我々は,ソーシャルテストツールを皆の手に置き,世界中のソーシャルネットワークの信頼性とセキュリティを向上させることを目的としている。
論文 参考訳（メタデータ） (2023-02-17T03:00:02Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - The Impact of Disinformation on a Controversial Debate on Social Media [1.299941371793082]
われわれは、移民に関するイタリアの議論において、Twitter上での偽情報の存在がいかに広まっているかを研究する。
TwitterユーザーをtextitUntrustworthinessスコアで特徴付けることで、このような悪い情報消費習慣がユーザー間で均等に分散されていないことが分かる。
論文 参考訳（メタデータ） (2021-06-30T10:29:07Z) - Can You be More Social? Injecting Politeness and Positivity into
Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。
このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。
人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文 参考訳（メタデータ） (2020-12-29T08:22:48Z) - Urban Crowdsensing using Social Media: An Empirical Study on Transformer
and Recurrent Neural Networks [0.7090165638014329]
我々は、利用可能なソーシャルメディアデータセットを活用し、これらを2つの都市センシング問題の基盤として利用する。
この研究の主な貢献の1つは、TwitterとFlickrから収集したデータセットです。
2つの予備的な教師付き学習手法を用いて,本データセットの有用性を示す。
論文 参考訳（メタデータ） (2020-12-05T15:36:50Z) - Detecting Online Hate Speech: Approaches Using Weak Supervision and
Network Embedding Models [2.3322477552758234]
本研究では,ヘイトフルユーザを定量的に発見する弱監督型深層学習モデルを提案する。
我々は、19.2Mの投稿において、我々のモデルを評価し、我々の弱い監督モデルは、間接的に憎悪的な相互作用を識別するベースラインモデルよりも優れていることを示す。
また,Gabにおける2種類のユーザインタラクション(引用と応答)と,弱監督モデルからのインタラクションスコアをエッジウェイトとして分析し,ヘイトフルユーザを予測する。
論文 参考訳（メタデータ） (2020-07-24T18:13:52Z) - Evently: Modeling and Analyzing Reshare Cascades with Hawkes Processes [12.558187319452657]
Eventlyは、オンラインのリシェアカスケード、特にリツイートカスケードをモデリングするためのツールである。
Twitterの公開APIから生データを処理するための、包括的な機能セットを提供する。
コンテンツがオンラインにどのように広がるかに基づいてユーザーを特徴づけることによって、影響力のあるユーザーやオンラインボットを混乱させることが示される。
論文 参考訳（メタデータ） (2020-06-11T03:13:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。