論文の概要: Clickbait Detection in YouTube Videos

• arxiv url: http://arxiv.org/abs/2107.12791v1
• Date: Mon, 26 Jul 2021 12:39:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-29 05:38:40.092858
• Title: Clickbait Detection in YouTube Videos
• Title（参考訳）: YouTubeビデオにおけるクリックベイト検出
• Authors: Ruchira Gothankar, Fabio Di Troia, Mark Stamp
• Abstract要約: YouTubeビデオには、しばしば、視聴数を増やすためにデザインされた、魅惑的な説明やサムネイルが含まれている。 これにより、クリックベイト動画を投稿するインセンティブが生まれ、コンテンツはタイトルや説明、サムネイルから大きく逸脱する可能性がある。 事実上、ユーザーはクリックベイトビデオをクリックするように騙される。
• 参考スコア（独自算出の注目度）: 6.961253535504979
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: YouTube videos often include captivating descriptions and intriguing thumbnails designed to increase the number of views, and thereby increase the revenue for the person who posted the video. This creates an incentive for people to post clickbait videos, in which the content might deviate significantly from the title, description, or thumbnail. In effect, users are tricked into clicking on clickbait videos. In this research, we consider the challenging problem of detecting clickbait YouTube videos. We experiment with multiple state-of-the-art machine learning techniques using a variety of textual features.
• Abstract（参考訳）: youtubeのビデオには、動画の視聴数を増やすためにデザインされた説明のキャプティベーションや興味をそそるサムネイルが含まれており、動画を投稿した人の収益を増加させる。 これにより、クリックベイト動画を投稿するインセンティブが生まれ、コンテンツはタイトルや説明、サムネイルから大きく逸脱する可能性がある。 事実上、ユーザーはクリックベイトビデオをクリックしてしまう。 本研究では,YouTube動画のクリックベイト検出における問題点について考察する。 さまざまなテキスト特徴を用いて,最先端の機械学習手法を複数実験する。

関連論文リスト

• Prompt-tuning for Clickbait Detection via Text Summarization [18.027598728494485]
  クリックベイト(Clickbaits)は、ソーシャルな投稿や、クリック数を増やすためにユーザーを誘惑する偽ニュースの見出しだ。 既存のほとんどの手法は、クリックベイトを検出するために見出しと内容のセマンティックな類似性を計算する。 テキスト要約によるクリックベイト検出のプロンプトチューニング手法を提案する。
  論文  参考訳（メタデータ） (2024-04-17T09:39:02Z)
• Detours for Navigating Instructional Videos [58.1645668396789]
  We propose VidDetours, a video-lang approach that learn to retrieve the target temporal segments from a large repository of how-to's。 本稿では,ビデオ検索と質問応答の最良の方法に比べて,モデルが大幅に改善し,リコール率が35%を超えることを示す。
  論文  参考訳（メタデータ） (2024-01-03T16:38:56Z)
• Malicious or Benign? Towards Effective Content Moderation for Children's Videos [1.0323063834827415]
  本稿では,児童ビデオの自動コンテンツモデレーションに関する研究を促進するためのツールキットであるMalicious or Benignを紹介する。 1)ビデオのカスタマイズ可能なアノテーションツール,2)悪意のあるコンテンツのテストケースを検出するのが難しい新しいデータセット,3)最先端のビデオ分類モデルのベンチマークスイートを提案する。
  論文  参考訳（メタデータ） (2023-05-24T20:33:38Z)
• TL;DW? Summarizing Instructional Videos with Task Relevance & Cross-Modal Saliency [133.75876535332003]
  我々は,ビデオ要約の未探索領域である指導ビデオの要約に焦点をあてる。 既存のビデオ要約データセットは、手動のフレームレベルのアノテーションに依存している。 本稿では,文脈対応の時間的ビデオエンコーダとセグメントスコアリング変換器を組み合わせた指導ビデオ要約ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-08-14T04:07:40Z)
• Video Manipulations Beyond Faces: A Dataset with Human-Machine Analysis [60.13902294276283]
  我々は826の動画(413のリアルと413の操作)からなるデータセットであるVideoShamを提示する。 既存のディープフェイクデータセットの多くは、2種類の顔操作にのみ焦点をあてている。 我々の分析によると、最先端の操作検出アルゴリズムはいくつかの特定の攻撃に対してのみ有効であり、VideoShamではうまくスケールしない。
  論文  参考訳（メタデータ） (2022-07-26T17:39:04Z)
• Clickbait Spoiling via Question Answering and Passage Retrieval [25.257288432595477]
  我々はクリックベイト腐敗の課題を紹介し,研究する。 クリックベイトはウェブページへのリンクを投稿し、好奇心を喚起してそのコンテンツを宣伝する。 我々の貢献は、必要なスポイラーの種類を分類し、適切なスポイラーを生成するアプローチである。
  論文  参考訳（メタデータ） (2022-03-19T09:40:33Z)
• WeClick: Weakly-Supervised Video Semantic Segmentation with Click Annotations [64.52412111417019]
  WeClick と呼ばれるクリックアノテーション付きビデオセマンティックセマンティックセマンティックパイプラインを提案する。 詳細なセマンティック情報はクリックによってキャプチャされないため、クリックラベルによる直接トレーニングはセグメンテーションの予測が不十分になる。 WeClickは最先端の手法より優れ、ベースラインよりも10.24%のmIoUで性能を向上し、リアルタイム実行を実現している。
  論文  参考訳（メタデータ） (2021-07-07T09:12:46Z)
• Characterizing Abhorrent, Misinformative, and Mistargeted Content on YouTube [1.9138099871648453]
  本稿では,YouTube上の問題コンテンツの度合いと,そのようなコンテンツの拡散における推奨アルゴリズムの役割について検討する。 分析の結果,幼児はランダムにプラットフォームを閲覧すると乱雑なコンテンツに遭遇する可能性が示唆された。 インセルの活動は時間とともに増加しており、プラットフォームはユーザーを極端なコンテンツへと導く上で積極的な役割を果たす可能性がある。
  論文  参考訳（メタデータ） (2021-05-20T15:10:48Z)
• Video2Commonsense: Generating Commonsense Descriptions to Enrich Video Captioning [56.97139024595429]
  人間のような活動的なエージェントを含むビデオでは、エージェントのアクションはシーンに無数の変化をもたらす可能性がある。 画像とは異なり、ビデオ内のアクションは、意図(なぜアクションが起こっているのか)、効果(アクションによる変化)、エージェントを記述する属性など、本質的に社会的側面と結びついている。 本稿では,ビデオから直接コモンセンスキャプションを生成し,意図,効果,属性などの潜在的な側面を説明する。
  論文  参考訳（メタデータ） (2020-03-11T08:42:57Z)
• Mi YouTube es Su YouTube? Analyzing the Cultures using YouTube Thumbnails of Popular Videos [98.87558262467257]
  本研究では,YouTubeのトレンド動画のサムネイルを用いて,各国の文化選好について検討した。 実験の結果、類似文化のユーザーはYouTubeで同様のビデオを見ることに興味を持っていることがわかった。
  論文  参考訳（メタデータ） (2020-01-27T20:15:57Z)

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。