Fugu-MT 論文翻訳(概要): Predicting the Factuality of Reporting of News Media Using Observations About User Attention in Their YouTube Channels

論文の概要: Predicting the Factuality of Reporting of News Media Using Observations About User Attention in Their YouTube Channels

arxiv url: http://arxiv.org/abs/2108.12519v1
Date: Fri, 27 Aug 2021 22:43:00 GMT
ステータス: 処理完了
システム内更新日: 2021-08-31 14:53:41.662591
Title: Predicting the Factuality of Reporting of News Media Using Observations About User Attention in Their YouTube Channels
Title（参考訳）: youtubeチャンネルにおけるユーザの注意に関する観察を用いたニュースメディアの報告の事実性予測
Authors: Krasimira Bozhanova, Yoan Dinkov, Ivan Koychev, Maria Castaldo, Tommaso Venturini, Preslav Nakov
Abstract要約: 本稿では,YouTubeチャンネルにおける利用者の注意周期を調査し,ニュースメディアの報道の事実を予測するための新しい枠組みを提案する。特に、ビデオの視聴回数、お気に入り、嫌い、コメントの時間的進化から派生したリッチな特徴セットを設計し、それをチャンネルレベルに集約する。
参考スコア（独自算出の注目度）: 15.650835825104103
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a novel framework for predicting the factuality of reporting of news media outlets by studying the user attention cycles in their YouTube channels. In particular, we design a rich set of features derived from the temporal evolution of the number of views, likes, dislikes, and comments for a video, which we then aggregate to the channel level. We develop and release a dataset for the task, containing observations of user attention on YouTube channels for 489 news media. Our experiments demonstrate both complementarity and sizable improvements over state-of-the-art textual representations.
Abstract（参考訳）: 本稿では,YouTubeチャンネルにおける利用者の注意周期を調査し,ニュースメディアの報道の事実を予測するための新しい枠組みを提案する。特に、ビデオのビュー数、いいね!、嫌悪、コメントの数の時間的変化から派生した、豊富な機能セットを設計し、それをチャンネルレベルに集約します。我々は,489のニュースメディアのYouTubeチャンネルにおけるユーザの注意を観察するデータセットを開発し,リリースする。我々の実験は、最先端のテキスト表現に対する相補性と大きな改善の両方を示している。

関連論文リスト

Delving Deep into Engagement Prediction of Short Videos [34.38399476375175]
本研究は,ユーザインタラクションが限定されたビデオのエンゲージメント予測の難しさを深く掘り下げるものである。 Snapchatの90,000の現実世界のショートビデオからなる、実質的なデータセットを紹介します。本手法は,映像コンテンツから映像のエンゲージメントを純粋に予測できることを示す。
論文参考訳（メタデータ） (2024-09-30T23:57:07Z)
HOTVCOM: Generating Buzzworthy Comments for Videos [49.39846630199698]
この研究は、中国最大のビデオコンテンツデータセットであるtextscHotVComを紹介し、94万の多様なビデオと1億1700万のコメントからなる。また、中国語のビデオデータセット上で、視覚的、聴覚的、テキスト的データを相乗的に統合し、影響力のあるホットコンテンツを生成するtexttComHeatフレームワークを提案する。
論文参考訳（メタデータ） (2024-09-23T16:45:13Z)
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)
Video Summarization: Towards Entity-Aware Captions [73.28063602552741]
本稿では,ニュース映像をエンティティ対応キャプションに直接要約するタスクを提案する。提案手法は,既存のニュース画像キャプションデータセットに一般化されていることを示す。
論文参考訳（メタデータ） (2023-12-01T23:56:00Z)
A Video Is Worth 4096 Tokens: Verbalize Videos To Understand Them In Zero Shot [67.00455874279383]
そこで本研究では,自然言語による記述を生成するために長編動画を音声化し,生成したストーリーの映像理解タスクを実行することを提案する。提案手法は,ゼロショットであるにもかかわらず,ビデオ理解のための教師付きベースラインよりもはるかに優れた結果が得られる。ストーリー理解ベンチマークの欠如を緩和するため,我々は,説得戦略の識別に関する計算社会科学における重要な課題に関する最初のデータセットを公開している。
論文参考訳（メタデータ） (2023-05-16T19:13:11Z)
A Data-Driven Approach for Finding Requirements Relevant Feedback from TikTok and YouTube [37.87427796354001]
この研究は、ビデオコンテンツに焦点を当てた2つの広く使われているソーシャルメディアプラットフォームであるTikTokとYouTubeの可能性を掘り下げるものだ。各種産業における20種類の人気商品の6276件のビデオから,音声・ビジュアルテキスト,メタデータ(説明・タイトル)を解析し,ユーザフィードバックの源泉としてビデオの展望を評価した。製品評価(機能、設計、パフォーマンス)、バグレポート、使用法チュートリアルがビデオから永続的なテーマであることが分かりました。
論文参考訳（メタデータ） (2023-05-02T21:47:06Z)
Classifying YouTube Comments Based on Sentiment and Type of Sentence [0.0]
我々は、よく知られた統計測度と機械学習モデルを用いて、YouTubeコメントからのテキスト抽出と分類の課題に対処する。その結果,従来の手法を取り入れた手法が,コンテンツ制作者のチャンネルにおける視聴者エンゲージメント向上に有効であることを示す。
論文参考訳（メタデータ） (2021-10-31T18:08:10Z)
StreamHover: Livestream Transcript Summarization and Annotation [54.41877742041611]
ライブストリームの書き起こしを注釈付けして要約するフレームワークであるStreamHoverを紹介します。合計500時間以上のビデオに抽出的要約と抽象的要約を併用したベンチマークデータセットは,既存の注釈付きコーパスよりもはるかに大きい。我々のモデルはより一般化され、強力なベースラインよりも性能が向上することを示す。
論文参考訳（メタデータ） (2021-09-11T02:19:37Z)
Scaling New Peaks: A Viewership-centric Approach to Automated Content Curation [4.38301148531795]
本稿では,様々なセグメント識別目標に対応するビューアシップ駆動自動手法を提案する。衛星テレビ視聴データを用いて、視聴者関心の「シード」セグメントを特定するために、視聴者関心の源泉として、視聴者関心の時系列に統計的異常検出を適用した。我々は、2019年12月19日にアメリカ合衆国民主党大統領討論会と、2019年ウィンブルドン女子最終討論会で2つのケーススタディを提示した。
論文参考訳（メタデータ） (2021-08-09T17:17:29Z)
Spoken Moments: Learning Joint Audio-Visual Representations from Video Descriptions [75.77044856100349]
我々は、異なるイベントの広い範囲を描写するユニークな短いビデオに起因する500k話されたキャプションのSpoken Momentsデータセットを提示します。 AMMアプローチは一貫して結果を改善し、Spoken Momentsデータセットで訓練されたモデルは、他のビデオキャプションデータセットで訓練されたモデルよりも汎用性が高いことを示しています。
論文参考訳（メタデータ） (2021-05-10T16:30:46Z)

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。