論文の概要: Over a Decade of Social Opinion Mining
- arxiv url: http://arxiv.org/abs/2012.03091v1
- Date: Sat, 5 Dec 2020 17:59:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-22 12:14:33.913265
- Title: Over a Decade of Social Opinion Mining
- Title（参考訳）: 10年以上にわたる社会的意見のマイニング
- Authors: Keith Cortis and Brian Davis
- Abstract要約: この体系的なレビューは、社会オピニオン鉱業の進化する研究領域に焦点を当てている。
自然言語は、人間によって表現されるように、異なる意見次元の観点で理解することができる。
今後の研究の方向性が提示される一方、さらなる研究と開発は、より広範な学術的・社会的影響を残す可能性がある。
- 参考スコア（独自算出の注目度）: 1.0152838128195467
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social media popularity and importance is on the increase, due to people
using it for various types of social interaction across multiple channels. This
social interaction by online users includes submission of feedback, opinions
and recommendations about various individuals, entities, topics, and events.
This systematic review focuses on the evolving research area of Social Opinion
Mining, tasked with the identification of multiple opinion dimensions, such as
subjectivity, sentiment polarity, emotion, affect, sarcasm and irony, from
user-generated content represented across multiple social media platforms and
in various media formats, like text, image, video and audio. Therefore, through
Social Opinion Mining, natural language can be understood in terms of the
different opinion dimensions, as expressed by humans. This contributes towards
the evolution of Artificial Intelligence, which in turn helps the advancement
of several real-world use cases, such as customer service and decision making.
A thorough systematic review was carried out on Social Opinion Mining research
which totals 485 studies and spans a period of twelve years between 2007 and
2018. The in-depth analysis focuses on the social media platforms, techniques,
social datasets, language, modality, tools and technologies, natural language
processing tasks and other aspects derived from the published studies. Such
multi-source information fusion plays a fundamental role in mining of people's
social opinions from social media platforms. These can be utilised in many
application areas, ranging from marketing, advertising and sales for
product/service management, and in multiple domains and industries, such as
politics, technology, finance, healthcare, sports and government. Future
research directions are presented, whereas further research and development has
the potential of leaving a wider academic and societal impact.
- Abstract（参考訳）: ソーシャルメディアの人気と重要性は、複数のチャンネルをまたいで様々なタイプのソーシャルインタラクションに利用している人々によって増大している。
オンラインユーザによるこのソーシャルインタラクションには、さまざまな個人、エンティティ、トピック、イベントに関するフィードバックや意見、レコメンデーションが含まれる。
この体系的なレビューは、複数のソーシャルメディアプラットフォームにまたがるユーザー生成コンテンツから、テキスト、画像、ビデオ、オーディオなどの様々なメディアフォーマットで、主観性、感情の極性、感情、感情、皮肉、皮肉などの複数の意見の次元を識別するタスクである、ソーシャル・オピニオン・マイニング(Social Opinion Mining)の進化する研究領域に焦点を当てる。
したがって、社会的意見マイニングを通じて、自然言語は人間によって表現されるように、異なる意見次元の観点で理解することができる。
これは人工知能の進化に寄与し、それによって顧客のサービスや意思決定といった現実的なユースケースの進展に寄与する。
社会オピニオン鉱業の研究について、2007年から2018年までの12年間にわたる485の研究を網羅的に検討した。
詳細な分析は、ソーシャルメディアプラットフォーム、技術、社会データセット、言語、モダリティ、ツールと技術、自然言語処理タスク、および公表された研究から派生したその他の側面に焦点を当てている。
このようなマルチソース情報融合は、ソーシャルメディアプラットフォームからの人々の社会的意見のマイニングにおいて、基本的な役割を果たす。
これらは、製品/サービス管理のためのマーケティング、広告、販売から、政治、技術、金融、医療、スポーツ、政府といった複数の分野や産業まで、多くのアプリケーション分野で利用することができる。
今後の研究の方向性が提示される一方、さらなる研究と開発はより広範な学術的・社会的影響を残す可能性がある。
関連論文リスト
- A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました
近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。
本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
論文 参考訳（メタデータ） (2024-09-24T03:06:25Z) - Advancing Social Intelligence in AI Agents: Technical Challenges and Open Questions [67.60397632819202]
ソーシャルインテリジェントAIエージェント(Social-AI)の構築は、多分野、マルチモーダルな研究目標である。
我々は、社会AIを前進させるために、基礎となる技術的課題と、コンピューティングコミュニティ全体にわたる研究者のためのオープンな質問を特定します。
論文 参考訳（メタデータ） (2024-04-17T02:57:42Z) - Social Intelligence Data Infrastructure: Structuring the Present and Navigating the Future [59.78608958395464]
私たちは、包括的な社会AI分類と480のNLPデータセットからなるデータライブラリで構成される、ソーシャルAIデータインフラストラクチャを構築しています。
インフラストラクチャにより、既存のデータセットの取り組みを分析し、異なるソーシャルインテリジェンスの観点から言語モデルのパフォーマンスを評価することができます。
多面的なデータセットの必要性、言語と文化の多様性の向上、より長期にわたる社会的状況、そして将来のソーシャルインテリジェンスデータ活動におけるよりインタラクティブなデータの必要性が示されている。
論文 参考訳（メタデータ） (2024-02-28T00:22:42Z) - Exploring Embeddings for Measuring Text Relatedness: Unveiling
Sentiments and Relationships in Online Comments [1.7230140898679147]
本稿では,様々なソーシャルメディアプラットフォームにおけるコメント間の感情的・意味的関係について検討する。
単語の埋め込みを使って文や文書のコンポーネントを分析する。
我々の分析は、オンラインコメントの相互接続性をより深く理解し、大きな相互接続脳として機能するインターネットの概念を調査する。
論文 参考訳（メタデータ） (2023-09-15T04:57:23Z) - Social Influence Dialogue Systems: A Scoping Survey of the Efforts
Towards Influence Capabilities of Dialogue Systems [50.57882213439553]
社会影響対話システムは、説得、交渉、治療を行うことができる。
これらのスキルを備えた対話システムには、正式な定義やカテゴリは存在しない。
この研究は、この新興地域でのより専用の研究と議論を促すために、社会影響対話システムの包括的参照となる。
論文 参考訳（メタデータ） (2022-10-11T17:57:23Z) - Yourfeed: Towards open science and interoperable systems for social
media [1.8623205938004257]
既存のソーシャルメディアプラットフォームは、研究者がソーシャルメディアで研究を行うことを非常に困難にしている。
このギャップを埋めるため、生態学的に有効なソーシャルメディア研究を行うための研究ツールであるYourfeedを紹介した。
論文 参考訳（メタデータ） (2022-07-15T13:49:51Z) - Social media emotion macroscopes reflect emotional experiences in
society at large [0.12656629989060433]
ソーシャルメディアは、大規模かつ長期間にわたって人間の行動に関するデータを生成する。
近年の研究では、ソーシャルメディアの感情と個人レベルでの質問票の相関が弱いことが示されている。
社会全体のレベルでの感情の時間的進化を追跡するために、ソーシャルメディアの感情マクロスコープの有効性を検証した研究はない。
論文 参考訳（メタデータ） (2021-07-28T09:40:42Z) - A Study on Herd Behavior Using Sentiment Analysis in Online Social
Network [1.5673338088641469]
本稿では,オンラインソーシャルネットワーキングサイトからの批判的意見を予測するための多様な戦略の能力について述べる。
ソーシャルメディアはここ数十年で良いメディアとなり、世界中の意見を共有している。
本研究では,ソーシャルメディアコンテンツを用いた感情分析手法の評価を行った。
論文 参考訳（メタデータ） (2021-07-25T05:22:35Z) - Detecting Ideal Instagram Influencer Using Social Network Analysis [0.0]
本論文は、現実のオンラインマーケティング戦略のためのソーシャルネットワーク分析(SNA)に焦点を当てている。
この研究は、ネットワーク内の最も中心的なノードを特定するための様々な集中度尺度を比較し、個々のユーザの拡散行動を理解するために線形しきい値モデルを用いて貢献する。
論文 参考訳（メタデータ） (2021-07-12T20:53:58Z) - 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) - 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。
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。