Fugu-MT 論文翻訳(概要): A Weibo Dataset for the 2022 Russo-Ukrainian Crisis

論文の概要: A Weibo Dataset for the 2022 Russo-Ukrainian Crisis

arxiv url: http://arxiv.org/abs/2203.05967v1
Date: Wed, 9 Mar 2022 19:06:04 GMT
ステータス: 処理完了
システム内更新日: 2022-03-14 13:58:41.103243
Title: A Weibo Dataset for the 2022 Russo-Ukrainian Crisis
Title（参考訳）: 2022年ロシア・ウクライナ危機のためのweiboデータセット
Authors: Yi R. Fung and Heng Ji
Abstract要約: 我々は、最初のリリースで350万以上のユーザー投稿とコメントを含む、ロシア・ウクライナ危機Weiboデータセットを提示する。我々のデータはhttps://github.com/yrf1/Russia-Ukraine_weibo_dataset.comから入手可能です。
参考スコア（独自算出の注目度）: 59.258530429699924
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Online social networks such as Twitter and Weibo play an important role in how people stay informed and exchange reactions. Each crisis encompasses a new opportunity to study the portability of models for various tasks (e.g., information extraction, complex event understanding, misinformation detection, etc.), due to differences in domain, entities, and event types. We present the Russia-Ukraine Crisis Weibo (RUW) dataset, with over 3.5M user posts and comments in the first release. Our data is available at https://github.com/yrf1/RussiaUkraine_weibo_dataset.
Abstract（参考訳）: TwitterやWeiboのようなオンラインソーシャルネットワークは、人々の情報と反応の交換方法において重要な役割を果たす。それぞれの危機は、ドメイン、エンティティ、イベントタイプの違いにより、さまざまなタスク(例えば、情報抽出、複雑なイベント理解、誤情報検出など)に対するモデルのポータビリティを研究する新たな機会を含んでいる。ロシア・ウクライナ危機ワイボー(RUW)データセットを公開し、最初のリリースで350万以上のユーザー投稿とコメントを公開しています。私たちのデータはhttps://github.com/yrf1/russiaukraine_weibo_datasetで入手できます。

関連論文リスト

CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
論文参考訳（メタデータ） (2023-10-23T07:01:09Z)
CrisisLTLSum: A Benchmark for Local Crisis Event Timeline Extraction and Summarization [62.77066949111921]
本稿では,現在までに利用可能な地域危機イベントタイムラインの最大のデータセットであるCrisisLTLSumについて述べる。 CrisisLTLSumには、山火事、地元の火災、交通、嵐の4つの領域にわたる1000の危機イベントタイムラインが含まれている。最初の実験では, 両タスクの人的性能と比較して, 強いベースライン性能の間に有意な差があることが示唆された。
論文参考訳（メタデータ） (2022-10-25T17:32:40Z)
MiDe22: An Annotated Multi-Event Tweet Dataset for Misinformation Detection [4.799822253865053]
MiDe22は5,284件の英語と5,064件のトルコ語ツイートに誤報ラベルを付けたものだ。データセットには、いいね!、リプライ、リツイート、引用などの観点から、ツイートとのユーザエンゲージメントが含まれている。
論文参考訳（メタデータ） (2022-10-11T12:25:26Z)
VoynaSlov: A Data Set of Russian Social Media Activity during the 2022 Ukraine-Russia War [36.18151945028956]
2100万以上のロシア語のソーシャルメディア活動を含むVoynaSlovという新しいデータセットについて述べる。 TwitterとVKontakte(VK)は、サンクトペテルブルクに本拠を置くロシアのソーシャルメディアプラットフォームで、一般に「ロシアのFacebook」と呼ばれている。我々のデータと現在進行中の戦争に関するデータとを区別する主な違いは、ロシアのメディアと国家協力の考察である。
論文参考訳（メタデータ） (2022-05-24T21:59:10Z)
Identifying and Characterizing Active Citizens who Refute Misinformation in Social Media [25.986531330843434]
ソーシャルメディアプラットフォーム(TwitterやWeiboなど)と言語(英語や中国語など)にまたがるタスクを初めて研究する。我々は2つのカテゴリのうちの1つにマップされたWeiboユーザーの新しいデータセット(誤情報ポスターやアクティブな市民など)を開発し、公開する。本稿では,2つのユーザカテゴリ間の言語使用の差異を広範囲に分析する。
論文参考訳（メタデータ） (2022-04-21T13:22:48Z)
BERTuit: Understanding Spanish language in Twitter through a native transformer [70.77033762320572]
bfBERTuitは、これまでスペイン語のために提案された大きなトランスフォーマーで、2億3000万のスペイン語ツイートの膨大なデータセットで事前トレーニングされている。私たちのモチベーションは、スペイン語のTwitterをよりよく理解し、このソーシャルネットワークにフォーカスしたアプリケーションに利用するための強力なリソースを提供することです。
論文参考訳（メタデータ） (2022-04-07T14:28:51Z)
Twitter Dataset on the Russo-Ukrainian War [68.713984286035]
Twitter APIから現在進行中のデータセットの取得を開始しています。データセットは770万人のユーザーを起源とする5730万ツイートに達している。我々は、最初のボリュームと感情分析を適用し、データセットはトピック分析、ヘイトスピーチ、プロパガンダ認識、ボットネットのような潜在的な悪意のあるエンティティを示すためにさらに探索的な調査に使用することができる。
論文参考訳（メタデータ） (2022-04-07T12:33:06Z)
Twitter Dataset for 2022 Russo-Ukrainian Crisis [16.025531545463142]
われわれは2022年のロシア・ウクライナ紛争のTwitterデータセットを提供している。最初のリリースでは、危機の第1週に共有されたツイートが660万件以上あった。
論文参考訳（メタデータ） (2022-03-06T12:49:40Z)
Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
論文参考訳（メタデータ） (2020-11-02T02:03:07Z)

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。