論文の概要: Social Cybersecurity Chapter 13: Casestudy with COVID-19 Pandemic
- arxiv url: http://arxiv.org/abs/2008.10102v1
- Date: Sun, 23 Aug 2020 20:33:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 04:10:46.312378
- Title: Social Cybersecurity Chapter 13: Casestudy with COVID-19 Pandemic
- Title（参考訳）: 社会サイバーセキュリティ第13章:新型コロナパンデミックのケーススタディ
- Authors: David M. Beskow and Kathleen M. Carley
- Abstract要約: 本研究の目的は,前章で提示された概念とツールを活用し,現実の社会サイバーセキュリティの文脈に応用することである。
この章では、情報操作の操作、ボットの検出と特徴付け、ミームの検出と特徴付け、Twitter上でのCOVID-19関連の会話への情報マッピングについて説明する。
- 参考スコア（独自算出の注目度）: 9.457368716414079
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The purpose of this case study is to leverage the concepts and tools
presented in the preceding chapters and apply them in a real world social
cybersecurity context. With the COVID-19 pandemic emerging as a defining event
of the 21st Century and a magnet for disinformation maneuver, we have selected
the pandemic and its related social media conversation to focus our efforts on.
This chapter therefore applies the tools of information operation maneuver, bot
detection and characterization, meme detection and characterization, and
information mapping to the COVID-19 related conversation on Twitter. This
chapter uses these tools to analyze a stream containing 206 million tweets from
27 million unique users from 15 March 2020 to 30 April 2020. Our results shed
light on elaborate information operations that leverage the full breadth of the
BEND maneuvers and use bots for important shaping operations.
- Abstract（参考訳）: 本研究の目的は,前章で提示された概念とツールを活用し,現実の社会サイバーセキュリティの文脈に応用することである。
21世紀の決定的な出来事として新型コロナウイルス(COVID-19)のパンデミックが出現し、偽情報操作のための磁石が登場し、私たちはパンデミックと関連するソーシャルメディアの会話を選び、我々の努力に焦点を合わせました。
この章では、情報操作操作、ボット検出と特徴付け、ミーム検出と特徴付け、およびTwitter上でのCOVID-19関連の会話への情報マッピングのツールを適用する。
この章ではこれらのツールを使って、2020年3月15日から2020年4月30日までの2億2600万のツイートを分析している。
我々の成果は、BENDの操作を最大限活用し、重要な整形操作にボットを使用する、精巧な情報操作に光を当てた。
関連論文リスト
- 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) - Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。
パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。
研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
論文 参考訳（メタデータ） (2023-03-23T17:19:26Z) - Variance of Twitter Embeddings and Temporal Trends of COVID-19 cases [0.9449650062296824]
本稿では,ソーシャルメディア,特にTwitterを活用すれば,新型コロナウイルス関連シナリオを予測する方法を提案する。
単語埋め込みを用いてツイートの意味を捉えることで、重要な次元(SD)を識別する。
本手法は, リードタイムが15日, R2スコアが0.80, 0.62の症例の増加を予測した。
論文 参考訳（メタデータ） (2021-09-30T18:03:10Z) - Misleading the Covid-19 vaccination discourse on Twitter: An exploratory
study of infodemic around the pandemic [0.45593531937154413]
我々は7ヶ月(2020年9月～2021年3月)のコビッドウイルスワクチン接種に関連する中規模のツイートコーパス(20万件)を収集する。
Transfer Learningのアプローチに従えば、事前訓練されたTransformerベースのXLNetモデルを使用して、ツイートをミスリーディングまたは非ミスリーディングに分類する。
我々は、自然に誤解を招くコーパスのツイートの特徴と非誤解を招くツイートの特徴を調査・対比するためにこの手法を構築した。
いくつかのMLモデルは、最大90%の精度で予測に使用され、各特徴の重要性は、SHAP Explainable AI (X)を用いて説明される。
論文 参考訳（メタデータ） (2021-08-16T17:02:18Z) - Global Tweet Mentions of COVID-19 [3.3043776328952226]
われわれは、2020年1月から現在まで毎週更新されている190万件のキーワード選択されたTwitter投稿のオープンソースデータセットを提示する。
ダッシュボードには、キーワードやハッシュタグを含むジオタグ付きツイートの100%が表示される。
新型コロナウイルスの新たな変種が出現する一方で、ワクチンの根絶と耐性が進行中であるため、このデータセットは研究者によって新型コロナウイルスのさまざまな側面を研究するために使われる可能性がある。
論文 参考訳（メタデータ） (2021-08-13T20:21:29Z) - ExcavatorCovid: Extracting Events and Relations from Text Corpora for
Temporal and Causal Analysis for COVID-19 [63.72766553648224]
excavatorcovidは、オープンソースのテキスト文書を取り込む機械読取システムである。
COVID19関連イベントとそれらの関係を抽出し、時間と因果分析グラフを構築する。
論文 参考訳（メタデータ） (2021-05-05T01:18:46Z) - CML-COVID: A Large-Scale COVID-19 Twitter Dataset with Latent Topics,
Sentiment and Location Information [0.0]
CML-COVID(CML-COVID)は、新型コロナウイルス(COVID-19)による5,977,653人のツイート19,298,967万件のTwitterデータセットである。
これらのツイートは、2020年3月から7月にかけて、新型コロナウイルスに関連する質問文、コビッド、マスクを使って収集された。
論文 参考訳（メタデータ） (2021-01-28T18:59:10Z) - BANANA at WNUT-2020 Task 2: Identifying COVID-19 Information on Twitter
by Combining Deep Learning and Transfer Learning Models [0.0]
本稿では, WNUT-2020 Task 2: Identification of Informative COVID-19 English Tweetsについて述べる。
このタスクのデータセットには、人間によってラベル付けされた英語の1万のツイートが含まれている。
実験結果から, システム上でのインフォーマルラベルのF1は, テストセットで88.81%の精度で達成できたことが示唆された。
論文 参考訳（メタデータ） (2020-09-06T08:24:55Z) - A Survey on Applications of Artificial Intelligence in Fighting Against
COVID-19 [75.84689958489724]
SARS-CoV-2ウイルスによる新型コロナウイルスのパンデミックは世界中で急速に広がり、世界的な感染拡大につながっている。
新型コロナウイルス対策の強力なツールとして、人工知能(AI)技術はこのパンデミックに対抗するために広く利用されている。
この調査では、新型コロナウイルス対策におけるAIテクノロジの既存および潜在的応用に関する包括的見解を、医療とAI研究者に提示する。
論文 参考訳（メタデータ） (2020-07-04T22:48:15Z) - A Study of Knowledge Sharing related to Covid-19 Pandemic in Stack
Overflow [69.5231754305538]
主に2020年2月と3月に投稿された464のStack Overflowに関する質問と、テキストマイニングの力を活用した調査。
事実、この世界的な危機はStack Overflowにおける活動の激化を招き、ほとんどのトピックは、Covid-19データ分析に対する強い関心を反映している。
論文 参考訳（メタデータ） (2020-04-18T08:19:46Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。