Fugu-MT 論文翻訳(概要): A Small Survey On Event Detection Using Twitter

関連論文リスト

Tweezers: A Framework for Security Event Detection via Event Attribution-centric Tweet Embedding [38.56778957406207]
人造ツイートの大量のツイートと固有のノイズは、セキュリティイベントを正確に識別する上で困難を生じさせる。本稿では、イベントの高精度化とカバレッジを実現するために、新しいイベント属性中心のつぶやき埋め込み手法を提案する。我々は,TwitterからCTI収集のためのセキュリティイベント検出に適用可能なフレームワークであるTweezersを開発し,実装した。
論文参考訳（メタデータ） (2024-09-12T17:03:15Z)
Event Detection from Social Media Stream: Methods, Datasets and Opportunities [20.42206536532482]
ソーシャルメディアストリームには、日々の物語から最新のグローバルおよびローカルイベントやニュースまで、多種多様な情報が含まれている。特にTwitterは、リアルタイムで発生するイベントの迅速な拡散を可能にし、個人や組織が現在起きている出来事を知らせることを可能にする。ソーシャルメディアデータからのイベント検出は、従来のテキストとは異なる課題を呈し、近年注目されている研究分野である。
論文参考訳（メタデータ） (2023-06-28T18:40:03Z)
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)
Abnormal Event Detection via Hypergraph Contrastive Learning [54.80429341415227]
異常事象検出は多くの実アプリケーションにおいて重要な役割を果たす。本稿では,分散異種情報ネットワークにおける異常事象検出問題について検討する。 AEHCLと呼ばれる新しいハイパーグラフコントラスト学習法が,異常事象のパターンをフルに捉えるために提案されている。
論文参考訳（メタデータ） (2023-04-02T08:23:20Z)
Weakly Supervised Anomaly Detection: A Survey [75.26180038443462]
異常検出(AD)は、さまざまなアプリケーションによる機械学習において重要なタスクである。弱教師付き異常検出法(WSAD)の総合的な調査を行った。各設定に対して、正式な定義、鍵アルゴリズム、潜在的な将来の方向性を提供する。
論文参考訳（メタデータ） (2023-02-09T10:27:21Z)
Unifying Event Detection and Captioning as Sequence Generation via Pre-Training [53.613265415703815]
本稿では,イベント検出とキャプションのタスク間関連性を高めるための,事前学習と微調整の統合フレームワークを提案する。我々のモデルは最先端の手法よりも優れており、大規模ビデオテキストデータによる事前学習ではさらに向上できる。
論文参考訳（メタデータ） (2022-07-18T14:18:13Z)
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)
You Are What You Tweet: Profiling Users by Past Tweets to Improve Hate Speech Detection [5.203329540700176]
我々は,新しい発話がヘイトスピーチを構成するか否かをより正確に予測するために,過去の発話によるユーザを情報として調査する。これを評価するために、Twitterのヘイトスピーチデータセットを3つ追加のタイムラインデータで拡張し、この追加コンテキストを強力なベースラインモデルに組み込む。有望な結果はさらなる調査のメリットを示唆するが、分析はアノテーションのスキームやプロセスの違いやtwitter apiの制限、データ共有ポリシーによって複雑である。
論文参考訳（メタデータ） (2020-12-16T17:17:47Z)
Through the Twitter Glass: Detecting Questions in Micro-Text [0.0]
別の調査では、Twitter上での人々のQ&A習慣を理解することに興味がありました。 Twitter内で質問を見つけることは難しい課題であることが判明したので、従来のNLPアプローチを問題に適用することを検討しました。この研究はまだ予備的ですが、本稿では、私たちが使ったテクニックと学んだ教訓について論じます。
論文参考訳（メタデータ） (2020-06-13T22:34:01Z)
Is it feasible to detect FLOSS version release events from textual messages? A case study on Stack Overflow [0.0]
本研究は,Stack Overflow Q&Aプラットフォームからのメッセージのサンプルを用いて,テキストデータのマイクロイベント検出の実現可能性について検討した。格子探索手法を用いてパラメータを最適化した3つの異なる推定器を用いて,マイクロイベントの検出のためのパイプラインを構築した。実験では,マイクロイベントの前後における話題の分布や感情の特徴の変化について検討した。
論文参考訳（メタデータ） (2020-03-30T16:55:38Z)
On Identifying Hashtags in Disaster Twitter Data [55.17975121160699]
我々は,行動可能な情報をフィルタリングするのに有用なハッシュタグを付加した災害関連ツイートのユニークなデータセットを構築した。このデータセットを用いて,マルチタスク学習フレームワークにおける長期記憶モデルについて検討する。最高のパフォーマンスモデルでは、F1スコアは92.22%に達する。
論文参考訳（メタデータ） (2020-01-05T22:37:17Z)

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。

論文の概要: A Small Survey On Event Detection Using Twitter

関連論文リスト