論文の概要: Dynamic Social Media Monitoring for Fast-Evolving Online Discussions
- arxiv url: http://arxiv.org/abs/2102.12596v1
- Date: Wed, 24 Feb 2021 23:00:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-26 13:42:21.235870
- Title: Dynamic Social Media Monitoring for Fast-Evolving Online Discussions
- Title（参考訳）: 高速なオンライン議論のための動的ソーシャルメディアモニタリング
- Authors: Maya Srikanth, Anqi Liu, Nicholas Adams-Cohen, Jian Cao, R. Michael
Alvarez, Anima Anandkumar
- Abstract要約: 高速なオンライン議論における関連情報のカバレッジを最大化するための動的キーワード検索手法を提案する。
単語埋め込みモデルを用いてキーワードと予測モデル間の意味関係を表現し、将来の時系列を予測する。
我々は,最近の就任式に関するダイナミックな会話を取り上げ,動的データ収集システムをテストするために,現代のケーススタディを実施している。
- 参考スコア（独自算出の注目度）: 39.81957479388813
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tracking and collecting fast-evolving online discussions provides vast data
for studying social media usage and its role in people's public lives. However,
collecting social media data using a static set of keywords fails to satisfy
the growing need to monitor dynamic conversations and to study fast-changing
topics. We propose a dynamic keyword search method to maximize the coverage of
relevant information in fast-evolving online discussions. The method uses word
embedding models to represent the semantic relations between keywords and
predictive models to forecast the future time series. We also implement a
visual user interface to aid in the decision-making process in each round of
keyword updates. This allows for both human-assisted tracking and
fully-automated data collection. In simulations using historical #MeToo data in
2017, our human-assisted tracking method outperforms the traditional static
baseline method significantly, with 37.1% higher F-1 score than traditional
static monitors in tracking the top trending keywords. We conduct a
contemporary case study to cover dynamic conversations about the recent
Presidential Inauguration and to test the dynamic data collection system. Our
case studies reflect the effectiveness of our process and also points to the
potential challenges in future deployment.
- Abstract（参考訳）: 急速に発展するオンライン議論の追跡と収集は、ソーシャルメディアの利用と人々の公共生活におけるその役割を研究するための膨大なデータを提供する。
しかし,静的なキーワードセットを用いたソーシャルメディアデータの収集は,動的会話の監視やトピックの高速な変更の必要性の増大を満足させるには至らなかった。
高速なオンライン議論における関連情報のカバレッジを最大化するための動的キーワード検索手法を提案する。
単語埋め込みモデルを用いてキーワードと予測モデル間の意味関係を表現し、将来の時系列を予測する。
また、キーワード更新の各ラウンドで意思決定プロセスを支援するビジュアルユーザーインターフェイスを実装します。
これにより、人間支援追跡と全自動データ収集の両方が可能になります。
2017年の過去の#metooデータを用いたシミュレーションでは、人間支援追跡手法は従来の静的ベースライン法を大きく上回り、従来の静的モニターよりも37.1%高いf-1スコアでトップトレンドキーワードを追跡している。
我々は,最近の就任式に関するダイナミックな会話を取り上げ,動的データ収集システムをテストするために,現代のケーススタディを実施している。
我々のケーススタディでは、プロセスの有効性を反映し、将来の展開における潜在的な課題も指摘しています。
関連論文リスト
- Revealing COVID-19's Social Dynamics: Diachronic Semantic Analysis of Vaccine and Symptom Discourse on Twitter [12.75089285888253]
本稿では,あらかじめ定義されたアンカー語を使わずに,ソーシャルメディアデータ中の縦長的な意味変化を捉えるために,教師なしの動的単語埋め込み手法を提案する。
新型コロナウイルス(COVID-19)の大規模なTwitterデータセットに基づいて評価されたこの手法は、異なるパンデミック段階におけるワクチンおよび症状関連エンティティのセマンティックな進化パターンを明らかにする。
論文 参考訳（メタデータ） (2024-10-10T20:15:28Z) - Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。
本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。
大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
論文 参考訳（メタデータ） (2024-09-13T18:28:12Z) - Time Series Analysis of Key Societal Events as Reflected in Complex
Social Media Data Streams [0.9790236766474201]
本研究では,ニッチなソーシャルメディアプラットフォームであるGABと,確立されたメッセージングサービスであるTelegramの物語進化について検討する。
我々のアプローチは、複数のソーシャルメディアドメインを調査し、他の方法では見えない重要な情報を排除するための新しいモードである。
主な知見は,(1) 時間線をデコンストラクトして, 解釈を改善するための有用なデータ機能を提供すること,(2) 一般化の基盤を提供する方法論を適用すること,である。
論文 参考訳（メタデータ） (2024-03-11T18:33:56Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - Time Will Change Things: An Empirical Study on Dynamic Language
Understanding in Social Media Classification [5.075802830306718]
我々は、実験的にソーシャルメディアのNLUを動的に研究し、モデルが過去のデータに基づいてトレーニングされ、将来のテストが行われる。
自動エンコーディングと擬似ラベルが協調して、動的性の最良の堅牢性を示すことを示す。
論文 参考訳（メタデータ） (2022-10-06T12:18:28Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - 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) - Evently: Modeling and Analyzing Reshare Cascades with Hawkes Processes [12.558187319452657]
Eventlyは、オンラインのリシェアカスケード、特にリツイートカスケードをモデリングするためのツールである。
Twitterの公開APIから生データを処理するための、包括的な機能セットを提供する。
コンテンツがオンラインにどのように広がるかに基づいてユーザーを特徴づけることによって、影響力のあるユーザーやオンラインボットを混乱させることが示される。
論文 参考訳（メタデータ） (2020-06-11T03:13:35Z) - Dynamic Knowledge Routing Network For Target-Guided Open-Domain
Conversation [79.7781436501706]
本稿では,粗いキーワードを導入することで,システム応答の意図した内容を制御する構造的アプローチを提案する。
また,対話を円滑な目標達成に導くために,より高い成功率で対話を誘導する新たな二重談話レベルの目標誘導戦略を提案する。
論文 参考訳（メタデータ） (2020-02-04T09:49:36Z)
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。