論文の概要: Analyzing Temporal Relationships between Trending Terms on Twitter and Urban Dictionary Activity

• arxiv url: http://arxiv.org/abs/2005.07655v2
• Date: Mon, 18 May 2020 15:18:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 23:17:43.782367
• Title: Analyzing Temporal Relationships between Trending Terms on Twitter and Urban Dictionary Activity
• Title（参考訳）: twitterにおけるトレンド語と都市辞書活動の時間的関係の分析
• Authors: Steven R. Wilson, Walid Magdy, Barbara McGillivray, Gareth Tyson
• Abstract要約: 都市辞書における時間的活動傾向について検討し、この活動が主要ソーシャルネットワーク上で議論されているコンテンツとどのように関連しているかを初めて分析する。 都市辞典全体と7年間にわたる大量のツイートのサンプルを収集することにより、都市辞典で定義・検索される語句と、Twitterで話題にされる内容の関連性を探る。 我々は、Twitter上での議論とより強く結びついている用語の種類を分析し、Twitterと肯定的な相関関係にある都市辞典の活動は、ミーム、人気のあるパブリックフィギュア、オフラインイベントに関連する用語を中心にしていることを突き止めた。
• 参考スコア（独自算出の注目度）: 11.29774676674538
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As an online, crowd-sourced, open English-language slang dictionary, the Urban Dictionary platform contains a wealth of opinions, jokes, and definitions of terms, phrases, acronyms, and more. However, it is unclear exactly how activity on this platform relates to larger conversations happening elsewhere on the web, such as discussions on larger, more popular social media platforms. In this research, we study the temporal activity trends on Urban Dictionary and provide the first analysis of how this activity relates to content being discussed on a major social network: Twitter. By collecting the whole of Urban Dictionary, as well as a large sample of tweets over seven years, we explore the connections between the words and phrases that are defined and searched for on Urban Dictionary and the content that is talked about on Twitter. Through a series of cross-correlation calculations, we identify cases in which Urban Dictionary activity closely reflects the larger conversation happening on Twitter. Then, we analyze the types of terms that have a stronger connection to discussions on Twitter, finding that Urban Dictionary activity that is positively correlated with Twitter is centered around terms related to memes, popular public figures, and offline events. Finally, We explore the relationship between periods of time when terms are trending on Twitter and the corresponding activity on Urban Dictionary, revealing that new definitions are more likely to be added to Urban Dictionary for terms that are currently trending on Twitter.
• Abstract（参考訳）: オンライン、クラウドソース、オープン英語スラング辞書として、アーバン辞書プラットフォームには、多くの意見、ジョーク、用語、フレーズ、頭字語の定義が含まれている。 しかし、このプラットフォームでの活動が、ウェブ上の他の場所で起きている大きな会話とどのように関連しているかは、正確には分かっていない。 本研究では,都市辞書における時間的活動傾向を調査し,この活動が主要ソーシャルネットワーク上で議論されているコンテンツとどのように関連しているかを初めて分析する。 都市辞書全体および7年間のツイートの大規模なサンプルを収集することにより,都市辞書で定義・検索される単語とフレーズと,twitterで話題となっているコンテンツとの関係を探索する。 相互相関計算を通じて,都市辞書活動がtwitter上で発生している大きな会話を密接に反映する事例を同定する。 そして、Twitter上での議論に強く結びついている用語の種類を分析し、Twitterと肯定的に相関している都市辞典の活動は、ミーム、人気のある公開人物、オフラインイベントに関連する用語を中心にしている。 最後に,twitter上で語句がトレンドになっている時期と都市辞書上の対応行動との関係について検討し,現在twitterでトレンドとなっている語句について,都市辞書に新たな定義が付加される可能性が高まることを明らかにした。

関連論文リスト

• 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)
• The Impact of Twitter Sentiments on Stock Market Trends [0.0]
  S&P500種株価指数(S&P500種株価指数)の上位5銘柄の3ヶ月間の総数、感情、言及を分析した。 われわれの調査では、株価とTwitterの感情の間に大きな相関関係があることが判明した。
  論文  参考訳（メタデータ） (2023-02-14T18:43:20Z)
• Predicting Hate Intensity of Twitter Conversation Threads [26.190359413890537]
  DRAGNET++は、将来、ツイートが返信チェーンを通じてもたらす憎悪の強さを予測することを目的としている。 ツイートスレッドのセマンティックな構造と伝播構造を利用して、続く各ツイートにおけるヘイトインテンシティの低下につながるコンテキスト情報を最大化する。 DRAGNET++は最先端のすべてのベースラインを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2022-06-16T18:51:36Z)
• Decay No More: A Persistent Twitter Dataset for Learning Social Meaning [10.227026799075215]
  社会意味のための英語Twitterデータセット(PTSM)を提案する。 PTSMは17ドルのソーシャル意味データセットと10ドルのタスクカテゴリで構成されている。 我々は2つのSOTA事前訓練言語モデルを用いて実験を行い、PTSMが実際のツイートをパラフレーズに置換し、性能損失を極端に抑えることを示した。
  論文  参考訳（メタデータ） (2022-04-10T06:07:54Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• The emojification of sentiment on social media: Collection and analysis of a longitudinal Twitter sentiment dataset [5.528896840956628]
  TM-Sentiは、Twitterの感情データセットを大規模に管理し、ツイート数は1億1400万を超えている。 我々は,大規模なエモティコンと絵文字に基づくラベル付き感情分析データセットを組み立てるための方法論を記述し,評価する。 私たちの分析では絵文字のエモティコンへの利用の増加など、興味深い時間的変化が強調されている。
  論文  参考訳（メタデータ） (2021-08-31T14:54:46Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data [77.34726150561087]
  われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。 ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。 LIWCの不安度はTwitterの不安度よりもかなり高い。
  論文  参考訳（メタデータ） (2020-10-15T16:02:25Z)
• Neural Temporal Opinion Modelling for Opinion Prediction on Twitter [42.87769996249732]
  本研究では,周辺環境における動的トピックシフトを捉えるために,トピック駆動型アテンション機構を設計する。 実験の結果,提案モデルでは,ポスト時間と将来のツイートのスタンスラベルの両方を,競合するベースラインよりも正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2020-05-27T16:49:04Z)
• Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
  本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。 議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。 我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
  論文  参考訳（メタデータ） (2020-04-20T20:00:27Z)
• #MeToo on Campus: Studying College Sexual Assault at Scale Using Data Reported on Social Media [71.74529365205053]
  我々は、#トレンドが大学フォロワーのプールに与える影響を分析した。 その結果、これらの#ツイートに埋め込まれたトピックの大部分は、セクシャルハラスメントのストーリーを詳述している。 この傾向といくつかの主要地理的地域に関する公式な報告との間には大きな相関関係がある。
  論文  参考訳（メタデータ） (2020-01-16T18:05:46Z)

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。