論文の概要: Facebook Ad Engagement in the Russian Active Measures Campaign of 2016
- arxiv url: http://arxiv.org/abs/2012.11690v2
- Date: Wed, 23 Dec 2020 15:03:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 06:16:08.283355
- Title: Facebook Ad Engagement in the Russian Active Measures Campaign of 2016
- Title（参考訳）: Facebookの広告エンゲージメント、2016年のロシアのアクティブ対策キャンペーンに
- Authors: Mirela Silva, Luiz Giovanini, Juliana Fernandes, Daniela Oliveira,
Catia S. Silva
- Abstract要約: 本稿は、ロシアのインターネットリサーチエージェンシー(IRA)が2015年6月から2017年8月までに作成した3,517件のFacebook広告について調査する。
広告のエンゲージメント(広告クリック数による測定)と、広告のメタデータ、社会言語構造、感情に関する41の機能の関係を明らかにすることを目的としている。
- 参考スコア（独自算出の注目度）: 1.1744028458220426
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper examines 3,517 Facebook ads created by Russia's Internet Research
Agency (IRA) between June 2015 and August 2017 in its active measures
disinformation campaign targeting the 2016 U.S. general election. We aimed to
unearth the relationship between ad engagement (as measured by ad clicks) and
41 features related to ads' metadata, sociolinguistic structures, and
sentiment. Our analysis was three-fold: (i) understand the relationship between
engagement and features via correlation analysis; (ii) find the most relevant
feature subsets to predict engagement via feature selection; and (iii) find the
semantic topics that best characterize the dataset via topic modeling. We found
that ad expenditure, text size, ad lifetime, and sentiment were the top
features predicting users' engagement to the ads. Additionally, positive
sentiment ads were more engaging than negative ads, and sociolinguistic
features (e.g., use of religion-relevant words) were identified as highly
important in the makeup of an engaging ad. Linear SVM and Logistic Regression
classifiers achieved the highest mean F-scores (93.6% for both models),
determining that the optimal feature subset contains 12 and 6 features,
respectively. Finally, we corroborate the findings of related works that the
IRA specifically targeted Americans on divisive ad topics (e.g., LGBT rights,
African American reparations).
- Abstract（参考訳）: 本稿は、ロシアのインターネット調査機関(IRA)が2015年6月から2017年8月までに作成した3,517件のFacebook広告を、2016年アメリカ合衆国大統領選挙をターゲットとしたアクティブな対策偽情報キャンペーンで調査する。
広告のエンゲージメント(広告クリック数による測定)と、広告のメタデータ、社会言語構造、感情に関する41の機能の関係を明らかにすることを目的とした。
i)相関分析によるエンゲージメントと機能の関係を理解すること、(ii)機能選択によってエンゲージメントを予測するために最も関連する機能サブセットを見つけること、(iii)トピックモデリングによってデータセットを最も特徴付けるセマンティックトピックを見つけること、の3つです。
広告費、テキストサイズ、広告ライフタイム、感情が、広告へのユーザのエンゲージメントを予測するトップ機能であることがわかった。
さらに、ポジティブ感情広告はネガティブ広告よりも魅力的であり、社会言語学的特徴(例えば宗教関連語の使用)は、エンゲージメント広告の構成において非常に重要であると認識された。
線形SVMとロジスティック回帰分類器はFスコアの最高値(両方のモデルで93.6%)を達成し、最適な特徴サブセットはそれぞれ12と6の機能を含んでいると判定した。
最後に、IRAが特定の広告トピック(LGBTの権利、アフリカ系アメリカ人の賠償など)を対象とする関連する研究の発見を裏付ける。
関連論文リスト
- You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
感情分析ツールが同じデータセットで一致しないことを示す。
感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
論文 参考訳（メタデータ） (2024-10-18T17:27:38Z) - On the Use of Proxies in Political Ad Targeting [49.61009579554272]
我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。
本研究は政治広告の規制に関する議論に重要な意味を持つ。
論文 参考訳（メタデータ） (2024-10-18T17:15:13Z) - Engagement, Content Quality and Ideology over Time on the Facebook URL Dataset [3.443622476405787]
本研究は,2017年1月から2020年12月までの米国におけるニュースURLに関するユーザエンゲージメント指標について検討した。
ニュースソースのイデオロギー的アライメントと質を,ユーザの政治的嗜好と合わせて取り入れることで,リベラル,保守的,中道的な読者を対象に,イデオロギーとニュース消費の質の重み付け平均を構築した。
両指標のトレンドには,ユーザエンゲージメントの変化に伴う2つの大きな変化がある。
論文 参考訳（メタデータ） (2024-09-20T12:50:17Z) - Large Language Models Reveal Information Operation Goals, Tactics, and Narrative Frames [11.092274997807994]
我々は,協調キャンペーンアノテーションのケーススタディとして GPT-3.5 を用いる。
協調キャンペーン毎に、GPT-3.5を用いて特定の関心事に関連する投稿を分析し、目標、戦術、物語のフレームを抽出する。
論文 参考訳（メタデータ） (2024-05-06T17:59:07Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Long-Term Ad Memorability: Understanding & Generating Memorable Ads [54.23854539909078]
広告の記憶可能性に関する大規模な研究は行われていない。
276のブランドをカバーする1749の参加者と2205の広告からなる,最初の記憶可能性データセットであるLAMBDAをリリースする。
論文 参考訳（メタデータ） (2023-09-01T10:27:04Z) - Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。
提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。
これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文 参考訳（メタデータ） (2023-05-25T21:01:00Z) - Persuasion Strategies in Advertisements [68.70313043201882]
我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。
次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。
我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
論文 参考訳（メタデータ） (2022-08-20T07:33:13Z) - AI-Driven Contextual Advertising: A Technology Report and Implication
Analysis [0.0]
プログラム広告はデジタル広告空間の自動オークションである。
文脈広告に対する関心は、部分的には現在の個人データへの依存に対する反作用である。
人工知能(AI)の発展により、コンテキストのより深いセマンティックな理解が可能になる。
論文 参考訳（メタデータ） (2022-05-02T13:44:58Z) - MiNet: Mixed Interest Network for Cross-Domain Click-Through Rate
Prediction [12.470830117874375]
本研究では,3種類のユーザ関心を共同でモデル化するMiNetを提案する。
MiNetには2つの注意レベルがあり、アイテムレベルの注意はクリックされたニュース/広告から有用な情報を適応的に蒸留することができる。
We have deployed MiNet in UC Toutiao and the A/B test results shows that the online CTR are significantly improved。
論文 参考訳（メタデータ） (2020-08-07T03:27:38Z)
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。