論文の概要: The Semantic Brand Score

• arxiv url: http://arxiv.org/abs/2105.05781v1
• Date: Wed, 12 May 2021 16:54:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-13 12:17:26.836110
• Title: The Semantic Brand Score
• Title（参考訳）: 意味的ブランドスコア
• Authors: A Fronzetti Colladon
• Abstract要約: 意味ブランドスコア(semantic brand score, sbs)は、意味分析とソーシャルネットワークの手法を組み合わせた、テキストデータに基づくブランド重要度の新しい尺度である。 SBSは、ブランドエクイティと単語共起ネットワークの研究への貢献を表しています。 一方SBSは、ブランドエクイティの精通した構成と、ビッグデータ時代におけるブランドの効果的な戦略的管理のための新たな視点を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The Semantic Brand Score (SBS) is a new measure of brand importance calculated on text data, combining methods of social network and semantic analysis. This metric is flexible as it can be used in different contexts and across products, markets and languages. It is applicable not only to brands, but also to multiple sets of words. The SBS, described together with its three dimensions of brand prevalence, diversity and connectivity, represents a contribution to the research on brand equity and on word co-occurrence networks. It can be used to support decision-making processes within companies; for example, it can be applied to forecast a company's stock price or to assess brand importance with respect to competitors. On the one side, the SBS relates to familiar constructs of brand equity, on the other, it offers new perspectives for effective strategic management of brands in the era of big data.
• Abstract（参考訳）: 意味ブランドスコア(semantic brand score, sbs)は、意味分析とソーシャルネットワークの手法を組み合わせた、テキストデータに基づくブランド重要度の新しい尺度である。 このメトリクスは、さまざまなコンテキストや製品、市場、言語で使用できるため、柔軟性がある。 ブランドだけでなく、複数の単語セットにも適用される。 SBSはブランドの有病率、多様性、接続性の3つの次元と共に説明され、ブランドエクイティや単語共起ネットワークの研究に貢献している。 企業内の意思決定プロセスを支援するために、例えば、企業の株価を予測したり、競合他社に対してブランドの重要性を評価するために利用することができる。 一方SBSは、ブランドエクイティの精通した構成と、ビッグデータ時代におけるブランドの効果的な戦略的管理のための新たな視点を提供する。

関連論文リスト

• Brand Network Booster: A new system for improving brand connectivity [0.0]
  本稿では,セマンティックネットワークの詳細な分析を行うための新しい意思決定支援システムを提案する。 この目的は、最大相互性改善問題の拡張版を解くことで達成されることを示す。 私たちのコントリビューションには、新たなアルゴリズムフレームワークと、Brand Network Boosterと呼ばれるソフトウェアシステムへのこのフレームワークの統合が含まれています。
  論文  参考訳（メタデータ） (2023-09-28T08:09:33Z)
• mCL-NER: Cross-Lingual Named Entity Recognition via Multi-view Contrastive Learning [54.523172171533645]
  CrossNERは多言語コーパスの不足により不均一な性能から生じる課題に直面している。 言語横断的名前付きエンティティ認識(mCL-NER)のためのマルチビューコントラスト学習を提案する。 40言語にまたがるXTREMEベンチマーク実験では、従来のデータ駆動型およびモデルベースアプローチよりもmCL-NERの方が優れていることを示した。
  論文  参考訳（メタデータ） (2023-08-17T16:02:29Z)
• PointMatch: A Consistency Training Framework for Weakly Supervised Semantic Segmentation of 3D Point Clouds [117.77841399002666]
  本稿では,データ自体から十分な情報を探索するために整合性正規化を適用することで,データとラベルの両面に立つ新しいフレームワークであるPointMatchを提案する。 提案したPointMatchは、ScanNet-v2データセットとS3DISデータセットの両方で、様々な弱い教師付きスキームの下で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-02-22T07:26:31Z)
• Ranking Micro-Influencers: a Novel Multi-Task Learning and Interpretable Framework [69.5850969606885]
  マルチメディアコンテンツに基づくマイクロインフルエンサーランキングにおける技術状況を改善するための,新しいマルチタスク学習フレームワークを提案する。 精度とモデルの複雑さの両面で大きな改善が見られた。 この研究で提示されるランキングと解釈のテクニックは、任意のマルチメディアランキングタスクに一般化することができる。
  論文  参考訳（メタデータ） (2021-07-29T13:04:25Z)
• A new system for evaluating brand importance: A use case from the fashion industry [0.0]
  ファッション業界におけるブランドの重要性を評価するために,セマンティックブランドスコア(SBS)指標を適用した。 ファッションブランドFendi、Gucci、Pradaに言及した約20万6000のツイートを収集し分析した。 3つのSBS次元(頻度、多様性、接続性)の分析から、Gucciが談話を支配していることがわかりました。
  論文  参考訳（メタデータ） (2021-06-24T09:04:26Z)
• The Open Brands Dataset: Unified brand detection and recognition at scale [33.624955564405425]
  Open Brands」は、リッチなアノテーションによるブランド検出と認識のための最大のデータセットです。 ブランドネット」はブランド認識を扱う「ブランドネット」と呼ばれるネットワークである。
  論文  参考訳（メタデータ） (2020-12-14T09:06:42Z)
• Content-based Analysis of the Cultural Differences between TikTok and Douyin [95.32409577885645]
  ショートフォームのソーシャルメディアは、聴衆にダイナミックなストーリーを伝え、彼らの注意を引き付けることによって、伝統的なメディアパラダイムから遠ざかる。 特に、興味深く、理解しやすいユニークなシーンを表現するために、日常的なオブジェクトの異なる組み合わせを用いることができる。 同じ会社によって提供されたTikTokとDouyinは、近年人気になった新しいメディアの好例だ。 メディアファッションや社会的慣用性とともに文化的な違いを表現しているという仮説が,本研究の主目的である。
  論文  参考訳（メタデータ） (2020-11-03T01:47:49Z)
• ReMarNet: Conjoint Relation and Margin Learning for Small-Sample Image Classification [49.87503122462432]
  ReMarNet(Relation-and-Margin Learning Network)と呼ばれるニューラルネットワークを導入する。 本手法は,上記2つの分類機構の双方において優れた性能を発揮する特徴を学習するために,異なるバックボーンの2つのネットワークを組み立てる。 4つの画像データセットを用いた実験により,本手法はラベル付きサンプルの小さな集合から識別的特徴を学習するのに有効であることが示された。
  論文  参考訳（メタデータ） (2020-06-27T13:50:20Z)
• Automatic Validation of Textual Attribute Values in E-commerce Catalog by Learning with Limited Labeled Data [61.789797281676606]
  そこで我々はMetaBridgeと呼ばれる新しいメタ学習潜伏変数アプローチを提案する。 限られたラベル付きデータを持つカテゴリのサブセットから、転送可能な知識を学ぶことができる。 ラベルのないデータで、目に見えないカテゴリの不確実性を捉えることができる。
  論文  参考訳（メタデータ） (2020-06-15T21:31:05Z)
• Brand Intelligence Analytics [0.0]
  本章では、ブランドの重要性を評価するために設計されたSBSブランドインテリジェンスアプリ(SBS BI)の機能について説明する。 SBS BIの機能についてより詳しく説明するため、2020年の米民主党大統領予備選に焦点をあてたケーススタディを提案する。
  論文  参考訳（メタデータ） (2020-01-30T17:57:56Z)

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。