Fugu-MT 論文翻訳(概要): Survey of Generative Methods for Social Media Analysis

論文の概要: Survey of Generative Methods for Social Media Analysis

arxiv url: http://arxiv.org/abs/2112.07041v1
Date: Mon, 13 Dec 2021 22:03:40 GMT
ステータス: 処理完了
システム内更新日: 2021-12-16 06:09:18.476300
Title: Survey of Generative Methods for Social Media Analysis
Title（参考訳）: ソーシャルメディア分析における生成手法の検討
Authors: Stan Matwin, Aristides Milios, Pawe{\l} Pra{\l}at, Amilcar Soares, Fran\c{c}ois Th\'eberge
Abstract要約: 本調査は,ソーシャルメディアデータ解析のための生成手法の研究における,最先端技術(SoTA)の広視野パノラマ図を描いている。
参考スコア（独自算出の注目度）: 8.070451136537788
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This survey draws a broad-stroke, panoramic picture of the State of the Art (SoTA) of the research in generative methods for the analysis of social media data. It fills a void, as the existing survey articles are either much narrower in their scope or are dated. We included two important aspects that currently gain importance in mining and modeling social media: dynamics and networks. Social dynamics are important for understanding the spreading of influence or diseases, formation of friendships, the productivity of teams, etc. Networks, on the other hand, may capture various complex relationships providing additional insight and identifying important patterns that would otherwise go unnoticed.
Abstract（参考訳）: 本調査は,ソーシャルメディアデータ解析のための生成手法の研究における,最先端技術(SoTA)の広視野パノラマ図を描いている。既存の調査記事はスコープが狭くなっているか、日付が付けられているため、空白を埋める。ソーシャルメディアのマイニングとモデリングにおいて現在重要になっている2つの重要な側面:ダイナミクスとネットワーク。社会的ダイナミクスは、影響や病気の拡散、友情の形成、チームの生産性などを理解するために重要です。一方、ネットワークは様々な複雑な関係を捉え、追加の洞察を与え、それ以外は気づかない重要なパターンを特定する。

関連論文リスト

Intervention strategies for misinformation sharing on social media: A bibliometric analysis [1.8020166013859684]
不正確な共有情報は混乱を引き起こし、精神的健康に悪影響を及ぼし、誤報による意思決定につながる。本研究では,ソーシャルメディア上での誤情報共有に対処するための介入戦略の類型について検討する。認識ベース、自動化ベース、情報ベース、ハイブリッドベースの4つの重要なクラスタを特定します。
論文参考訳（メタデータ） (2024-09-26T08:38:15Z)
A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
姿勢検出は感情コンピューティングにおける重要なサブフィールドとして現れました近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
論文参考訳（メタデータ） (2024-09-24T03:06:25Z)
From Pixels to Insights: A Survey on Automatic Chart Understanding in the Era of Large Foundation Models [98.41645229835493]
グラフ形式のデータの可視化は、データ分析において重要な役割を担い、重要な洞察を提供し、情報的な意思決定を支援する。大規模言語モデルのような大規模な基盤モデルは、様々な自然言語処理タスクに革命をもたらした。本研究は,自然言語処理,コンピュータビジョン,データ解析の分野における研究者や実践者の包括的資源として機能する。
論文参考訳（メタデータ） (2024-03-18T17:57:09Z)
A Semantic Social Network Analysis Tool for Sensitivity Analysis and What-If Scenario Testing in Alcohol Consumption Studies [42.29248343585333]
本稿では,このような感性学習を容易にするために,意味的知識表現技術を用いたツールについて述べる。ツールの基盤は概念構造であり、「オントロジー」と呼ばれ、異なる概念とその定義を表現できる。
論文参考訳（メタデータ） (2024-02-14T16:17:04Z)
Recent Advances in Hate Speech Moderation: Multimodality and the Role of Large Models [52.24001776263608]
この包括的調査は、HSモデレーションの最近の歩みを掘り下げている。大型言語モデル(LLM)と大規模マルチモーダルモデル(LMM)の急成長する役割を強調した。研究における既存のギャップを、特に表現不足言語や文化の文脈で特定する。
論文参考訳（メタデータ） (2024-01-30T03:51:44Z)
Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
論文参考訳（メタデータ） (2022-12-22T01:20:29Z)
Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文参考訳（メタデータ） (2022-07-20T13:37:57Z)
Social-Media Activity Forecasting with Exogenous Information Signals [0.0]
ソーシャルメディアプラットフォームは、社会行動の研究と理解に理想的な環境を提供する。本稿では,ソーシャルメディア活動のトピック特化日量を予測するモデリング手法を提案する。
論文参考訳（メタデータ） (2021-09-22T20:24:20Z)
The Homophily Principle in Social Network Analysis [13.039459168820901]
ホモフィリー(英: Homophily)とは、同情的な人々が社会集団で互いに交流する傾向である。ホモフィリーの研究は、社会内の情報や行動の流れに関する優れた洞察を与えることができる。
論文参考訳（メタデータ） (2020-08-21T05:43:59Z)
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。