論文の概要: A Recipe for Social Media Analysis
- arxiv url: http://arxiv.org/abs/2106.07307v1
- Date: Mon, 14 Jun 2021 11:27:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-15 15:39:59.617342
- Title: A Recipe for Social Media Analysis
- Title（参考訳）: ソーシャルメディア分析のためのレシピ
- Authors: Shahid Alam, Juvariya Khan
- Abstract要約: ソーシャルメディア分析(SMA)の高レベル機能インテリジェンスモデル(レシピ)について論じる。
このモデルは入力データを合成し、操作インテリジェンスを使用して実行可能なレコメンデーションを提供する。
教育、医療、政府など様々な分野に適用できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Ubiquitous nature of smartphones has significantly increased the use of
social media platforms, such as Facebook, Twitter, TikTok, and LinkedIn, etc.,
among the public, government, and businesses. Facebook generated ~70 billion
USD in 2019 in advertisement revenues alone, a ~27% increase from the previous
year. Social media has also played a strong role in outbreaks of social
protests responsible for political changes in different countries. As we can
see from the above examples, social media plays a big role in business
intelligence and international politics. In this paper, we present and discuss
a high-level functional intelligence model (recipe) of Social Media Analysis
(SMA). This model synthesizes the input data and uses operational intelligence
to provide actionable recommendations. In addition, it also matches the
synthesized function of the experiences and learning gained from the
environment. The SMA model presented is independent of the application domain,
and can be applied to different domains, such as Education, Healthcare and
Government, etc. Finally, we also present some of the challenges faced by SMA
and how the SMA model presented in this paper solves them.
- Abstract（参考訳）: スマートフォンのユビキタスな性質は、公共、政府、企業の間でFacebook、Twitter、TikTok、LinkedInなどのソーシャルメディアプラットフォームの利用を著しく増加させてきた。
facebookの2019年の売上は700億ドルで、前年同期比で27%増だった。
ソーシャルメディアは、異なる国の政治的変化に責任を持つ社会抗議のアウトブレイクにも大きな役割を果たしている。
上記の例からわかるように、ソーシャルメディアはビジネスインテリジェンスと国際政治において大きな役割を果たす。
本稿では,ソーシャルメディア分析(SMA)の高レベルの機能的インテリジェンスモデル(レシピ)について述べる。
このモデルは入力データを合成し、操作可能なレコメンデーションを提供するために運用インテリジェンスを使用する。
さらに、環境から得られる経験と学習の合成機能とも一致します。
提示されるSMAモデルはアプリケーションドメインとは独立しており、教育、ヘルスケア、政府など、さまざまなドメインに適用することができる。
最後に、SMAが直面している課題と、本稿で提示したSMAモデルがどのように解決するかを示す。
関連論文リスト
- OASIS: Open Agent Social Interaction Simulations with One Million Agents [147.2538500202457]
実世界のソーシャルメディアプラットフォームに基づくスケーラブルなソーシャルメディアシミュレータを提案する。
OASISは最大100万人のユーザをモデリングできる大規模なユーザシミュレーションをサポートする。
我々は、情報拡散、グループ分極、XプラットフォームとRedditプラットフォーム間の群れ効果など、様々な社会現象を再現する。
論文 参考訳（メタデータ） (2024-11-18T13:57:35Z) - SoMeLVLM: A Large Vision Language Model for Social Media Processing [78.47310657638567]
ソーシャルメディア処理のための大規模ビジョン言語モデル(SoMeLVLM)を提案する。
SoMeLVLMは、知識と理解、応用、分析、評価、作成を含む5つの重要な機能を備えた認知フレームワークである。
実験により,複数のソーシャルメディアタスクにおいて,SoMeLVLMが最先端のパフォーマンスを達成できることが実証された。
論文 参考訳（メタデータ） (2024-02-20T14:02:45Z) - DeSIQ: Towards an Unbiased, Challenging Benchmark for Social
Intelligence Understanding [60.84356161106069]
複雑な社会的相互作用のビデオ上での複数選択質問のデータセットであるSocial-IQの健全性について検討する。
分析の結果,Social-IQにはある程度のバイアスがあり,適度に強い言語モデルによって活用できることがわかった。
ソーシャルIQに単純な摂動を適用して構築した,新たな挑戦的データセットであるDeSIQを紹介する。
論文 参考訳（メタデータ） (2023-10-24T06:21:34Z) - SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。
エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。
GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
論文 参考訳（メタデータ） (2023-10-18T02:27:01Z) - Trust and Believe -- Should We? Evaluating the Trustworthiness of
Twitter Users [5.695742189917657]
ソーシャルメディア上のフェイクニュースは、個人と社会の両方に悪影響を及ぼす大きな問題である。
この作業において、私たちは、ソーシャルネットワークコミュニティに信頼を喚起するソリューションを提供したいと考えている。
本モデルでは,Twitter上で5万人の政治家の行動を分析し,評価されたユーザ毎に影響スコアを割り当てる。
論文 参考訳（メタデータ） (2022-10-27T06:57:19Z) - SocialVec: Social Entity Embeddings [1.4010916616909745]
本稿では,ソーシャルワールドの知識をソーシャルネットワークから引き出すためのフレームワークであるSocialVecを紹介する。
Twitterネットワークのサンプルから、約20万の人気のアカウントのソーシャル埋め込みを学びました。
われわれはSocialVecの埋め込みを利用して、Twitterのニュースソースの政治的偏見を誇示している。
論文 参考訳（メタデータ） (2021-11-05T14:13:01Z) - 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) - Over a Decade of Social Opinion Mining [1.0152838128195467]
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。
論文 参考訳（メタデータ） (2020-12-05T17:59:59Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z) - Mobile social media usage and academic performance [3.893605812705635]
学生はソーシャルメディアやスマートフォンが普及しているため、特に敏感である。
いくつかの研究では、ソーシャルメディアと学術的業績には負の相関関係があることが示されている。
本稿では,ソーシャルメディアの利用状況と学術的業績をパラメトリクスすることで,このギャップを埋めることを提案する。
論文 参考訳（メタデータ） (2020-04-03T06:14:36Z) - 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。