論文の概要: Tracking Peaceful Tractors on Social Media -- XAI-enabled analysis of
Red Fort Riots 2021
- arxiv url: http://arxiv.org/abs/2104.13352v1
- Date: Sat, 24 Apr 2021 08:54:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-28 13:18:07.557847
- Title: Tracking Peaceful Tractors on Social Media -- XAI-enabled analysis of
Red Fort Riots 2021
- Title（参考訳）: ソーシャルメディア上での平和なトラクタ追跡 --2021年赤砦暴動のXAI対応分析
- Authors: Ajay Agarwal
- Abstract要約: 2021年1月26日、インドは人口統計上の予想外の農民からの恥辱を目撃した。
農夫の擬似愛国的な暴徒が首都デリーを襲い、国民の誇りであるレッドフォートを破壊したのを、全国の人々は恐怖の中で見ていた。
事件の後に行われた調査は、そのような事件に繋がるソーシャルメディア・トレイルの存在を明らかにした。
我々は,このイベントの前後に投稿された約0.05億ツイートを含むtraker2twitterデータセットを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: On 26 January 2021, India witnessed a national embarrassment from the
demographic least expected from - farmers. People across the nation watched in
horror as a pseudo-patriotic mob of farmers stormed capital Delhi and
vandalized the national pride- Red Fort. Investigations that followed the event
revealed the existence of a social media trail that led to the likes of such an
event. Consequently, it became essential and necessary to archive this trail
for social media analysis - not only to understand the bread-crumbs that are
dispersed across the trail but also to visualize the role played by
misinformation and fake news in this event. In this paper, we propose the
tractor2twitter dataset which contains around 0.05 million tweets that were
posted before, during, and after this event. Also, we benchmark our dataset
with an Explainable AI ML model for classification of each tweet into either of
the three categories - disinformation, misinformation, and opinion.
- Abstract（参考訳）: 2021年1月26日、インドは人口統計上の予想外の農民からの恥辱を目撃した。
農夫の擬似愛国的な暴徒が首都デリーを襲い、国民の誇りであるレッドフォートを破壊した。
事件の後に行われた調査は、そのような事件に繋がるソーシャルメディア・トレイルの存在を明らかにした。
その結果、このパスをソーシャルメディア分析のためにアーカイブすることが不可欠となり、また、このイベントにおける誤報やフェイクニュースが果たす役割を可視化するためにも必要となった。
本稿では,このイベント前後に投稿された約0.05万ツイートを含むトラクタ2twitterデータセットを提案する。
また、データセットを説明可能なAI MLモデルでベンチマークし、それぞれのツイートを、偽情報、偽情報、意見の3つのカテゴリに分類する。
関連論文リスト
- Covid-19 Public Sentiment Analysis for Indian Tweets Classification [0.0]
Twitterのデータがどのように抽出されたかを示し、その上で感情分析クエリを実行する。
これは、意見が極めて非構造的で異質であり、肯定的、否定的、中立的であるツイートの情報を分析するのに役立つ。
論文 参考訳（メタデータ） (2023-08-01T09:29:55Z) - 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) - Religion and Spirituality on Social Media in the Aftermath of the Global
Pandemic [59.930429668324294]
私たちは、突然の宗教活動の変化を2つに分析します。
重要な点として,2020年7月から9月にかけての3ヶ月の期間を分析して,この過程の時間的変動を分析した。
論文 参考訳（メタデータ） (2022-12-11T18:41:02Z) - Overview of the Shared Task on Fake News Detection in Urdu at FIRE 2021 [55.41644538483948]
共有タスクの目標は、コミュニティにこの重要な問題を解決するための効率的な方法を考え出すことを動機付けることです。
トレーニングセットには1300件の注釈付きニュース記事、750件のリアルニュース、550件のフェイクニュース、300件のニュース記事、200件のリアルニュース、100件のフェイクニュースが含まれている。
F1-macroスコアは0.679で、これは過去最高の0.907 F1-macroよりも低かった。
論文 参考訳（メタデータ） (2022-07-11T18:58:36Z) - Twitter Dataset on the Russo-Ukrainian War [68.713984286035]
Twitter APIから現在進行中のデータセットの取得を開始しています。
データセットは770万人のユーザーを起源とする5730万ツイートに達している。
我々は、最初のボリュームと感情分析を適用し、データセットはトピック分析、ヘイトスピーチ、プロパガンダ認識、ボットネットのような潜在的な悪意のあるエンティティを示すためにさらに探索的な調査に使用することができる。
論文 参考訳（メタデータ） (2022-04-07T12:33:06Z) - Extracting Feelings of People Regarding COVID-19 by Social Network
Mining [0.0]
英語における新型コロナウイルス関連ツイートのデータセットが収集される。
2020年3月23日から6月23日までに200万件以上のツイートが分析されている。
論文 参考訳（メタデータ） (2021-10-12T16:45:33Z) - TIB's Visual Analytics Group at MediaEval '20: Detecting Fake News on
Corona Virus and 5G Conspiracy [9.66022279280394]
ソーシャルメディア上のフェイクニュースは、一般大衆の本当のニュースの話題に悪影響を及ぼすため、研究の話題となっている。
MediaEval 2020のFakeNewsタスクは、誤情報を含むツイートを自動的に検出するチャレンジを作成することで、この問題に対処する。
BERT埋め込みと浅いニューラルネットワークを用いて、テキストのみを用いてツイートを分類する簡単なアプローチを提案する。
論文 参考訳（メタデータ） (2021-01-10T11:52:17Z) - Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media
during the COVID-19 Crisis [51.39895377836919]
新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。
我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。
私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
論文 参考訳（メタデータ） (2020-05-25T21:58:09Z) - Psychometric Analysis and Coupling of Emotions Between State Bulletins
and Twitter in India during COVID-19 Infodemic [7.428097999824421]
新型コロナウイルスのインフォデミックは、パンデミックそのものよりも急速に広まっている。
ソーシャルメディアは情報の最大の源であるため、インフォデミックの管理には誤情報を緩和する必要がある。
Twitterだけでも、キュレートされたイベントページの利用が急激な45%増加した。
論文 参考訳（メタデータ） (2020-05-12T01:51:07Z) - Detecting Perceived Emotions in Hurricane Disasters [62.760131661847986]
私たちはHurricaneEmoを紹介します。HurricaneEmoは、Harvey、Irma、Mariaの3つのハリケーンにまたがる15,000の英語ツイートの感情データセットです。
本稿では, きめ細かい感情を包括的に研究し, 粗い感情群を識別するための分類タスクを提案する。
論文 参考訳（メタデータ） (2020-04-29T16:17:49Z) - COVID-19 on Social Media: Analyzing Misinformation in Twitter
Conversations [22.43295864610142]
私たちは、2020年3月1日からTwitter APIを使用して、COVID-19に関連するストリーミングデータを収集しました。
事実確認情報をもとに、信頼できない内容と誤解を招く内容を特定した。
偽情報ツイートで宣伝された物語と、これらのツイートとのエンゲージメントの分配について検討した。
論文 参考訳（メタデータ） (2020-03-26T09:48:24Z)
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。