Fugu-MT 論文翻訳(概要): Post or Tweet: Lessons from a Study of Facebook and Twitter Usage

論文の概要: Post or Tweet: Lessons from a Study of Facebook and Twitter Usage

arxiv url: http://arxiv.org/abs/2011.13802v1
Date: Fri, 27 Nov 2020 15:55:02 GMT
ステータス: 処理完了
システム内更新日: 2023-04-22 20:28:29.676123
Title: Post or Tweet: Lessons from a Study of Facebook and Twitter Usage
Title（参考訳）: post or tweet: facebookとtwitterの利用に関する調査から学んだこと
Authors: Tasos Spiliotopoulos, Ian Oakley
Abstract要約: このワークショップでは、FacebookとTwitterという、おそらく最も人気のある2つのソーシャルネットワークサイトについて、現在進行中の混合調査についてレポートする。この研究の目的は、参加者のモチベーションに関する調査データとAPI抽出を通じて収集された利用データを組み合わせることで、ソーシャルメディアの選択とクロスプラットフォーム利用のニュアンスに光を当てることである。
参考スコア（独自算出の注目度）: 9.888864336862385
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This workshop paper reports on an ongoing mixed-methods study on the two arguably most popular social network sites, Facebook and Twitter, for the same users. The overarching goal of the study is to shed light into the nuances of social media selection and cross-platform use by combining survey data about participants' motivations with usage data collected via API extraction. We describe the set-up of the study and focus our discussion on the challenges and insights relating to participant recruiting and data collection, handling and dimensionalizing usage data, and comparing usage data across sites.
Abstract（参考訳）: このワークショップでは、FacebookとTwitterという、おそらく最も人気のある2つのソーシャルネットワークサイトについて、現在進行中の混合調査についてレポートする。この研究の目的は、参加者のモチベーションに関する調査データとAPI抽出を通じて収集された利用データを組み合わせることで、ソーシャルメディアの選択とクロスプラットフォーム利用のニュアンスに光を当てることである。本研究のセットアップについて述べるとともに,参加者の募集やデータ収集,利用データの扱いと次元化,サイト間の利用データの比較などに関する課題と洞察に焦点をあてる。

関連論文リスト

Labeled Datasets for Research on Information Operations [71.34999856621306]
ソーシャルメディアプラットフォームによって検証されたIOポストと、同様のトピックを同じ時間フレーム(制御データ)で議論した303kアカウントによる1300万以上の投稿の両方を含む、26のキャンペーンに関するラベル付きデータセットを新たに提示する。データセットは、さまざまなキャンペーンや国で調整されたアカウントによって使用される物語、ネットワークインタラクション、エンゲージメント戦略の研究を促進する。
論文参考訳（メタデータ） (2024-11-15T22:15:01Z)
Modeling offensive content detection for TikTok [0.0]
本研究では,攻撃内容を含むTikTokデータの収集と解析を行う。攻撃的なコンテンツ検出のための一連の機械学習とディープラーニングモデルを構築している。
論文参考訳（メタデータ） (2024-08-29T18:47:41Z)
Organized Event Participant Prediction Enhanced by Social Media Retweeting Data [8.675064911866201]
本稿では、ソーシャルメディアのリツイート活動データを利用して、イベント参加者予測モデルの学習を強化することを提案する。実世界データを用いた総合的な実験を2つのシナリオで実施する。
論文参考訳（メタデータ） (2023-10-02T04:26:07Z)
Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文参考訳（メタデータ） (2021-07-05T16:32:45Z)
From Symbols to Embeddings: A Tale of Two Representations in Computational Social Science [77.5409807529667]
コンピュータ社会科学(CSS)の研究は、データ駆動型であり、オンラインのユーザ生成コンテンツやソーシャルネットワークの可用性から大きな恩恵を受けている。回答を探るため、テキストとネットワークの両方でCSSのデータ表現を徹底的にレビューする。以上の表現の応用は、CSSに関連する6つのトップ会場から400以上の研究論文を調査した結果に基づく。
論文参考訳（メタデータ） (2021-06-27T11:04:44Z)
Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia for Human Personality Profiling [74.83957286553924]
我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
論文参考訳（メタデータ） (2021-06-20T10:48:49Z)
Learning User Embeddings from Temporal Social Media Data: A Survey [15.324014759254915]
我々は,簡潔な潜在ユーザ表現(a.k.a.)を学習する代表的作業について調査する。ユーザー埋め込み)は、ソーシャルメディアユーザーの主な特徴を捉えることができる。学習されたユーザー埋め込みは、その後、パーソナリティモデリング、自殺リスクアセスメント、購買判断予測など、さまざまな下流のユーザー分析タスクをサポートするために使用できます。
論文参考訳（メタデータ） (2021-05-17T16:22:43Z)
Analysis of Twitter Users' Lifestyle Choices using Joint Embedding Model [29.89122455417348]
本論文では,ユーザのソーシャル情報とテキスト情報を組み込んで,コンテキスト化されたユーザ表現を学習する共同埋め込みモデルを提案する。本研究では,「ヨガ」と「ケトダイエット」という2つのライフスタイル活動に関連するつぶやきにモデルを適用し,ユーザの行動タイプとモチベーションを分析する。
論文参考訳（メタデータ） (2021-04-07T15:29:36Z)
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)
Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文参考訳（メタデータ） (2020-07-07T17:19:56Z)
I Know Where You Are Coming From: On the Impact of Social Media Sources on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文参考訳（メタデータ） (2020-02-05T11:10:44Z)

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。