論文の概要: Rating the Crisis of Online Public Opinion Using a Multi-Level Index
System
- arxiv url: http://arxiv.org/abs/2207.14740v1
- Date: Fri, 29 Jul 2022 15:25:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-01 12:20:10.528511
- Title: Rating the Crisis of Online Public Opinion Using a Multi-Level Index
System
- Title(参考訳): マルチレベルインデックスシステムを用いたオンライン公開意見の危機評価
- Authors: Fanqi Meng, Xixi Xiao, Jingdong Wang
- Abstract要約: マルチレベルインデックスシステムに基づくオンライン世論の危機度を評価する手法を提案する。
リアルタイムインシデントを用いた実験により,インターネット利用者の感情的傾向を客観的に評価できることが示された。
- 参考スコア(独自算出の注目度): 38.18765258858367
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online public opinion usually spreads rapidly and widely, thus a small
incident probably evolves into a large social crisis in a very short time, and
results in a heavy loss in credit or economic aspects. We propose a method to
rate the crisis of online public opinion based on a multi-level index system to
evaluate the impact of events objectively. Firstly, the dissemination mechanism
of online public opinion is explained from the perspective of information
ecology. According to the mechanism, some evaluation indexes are selected
through correlation analysis and principal component analysis. Then, a
classification model of text emotion is created via the training by deep
learning to achieve the accurate quantification of the emotional indexes in the
index system. Finally, based on the multi-level evaluation index system and
grey correlation analysis, we propose a method to rate the crisis of online
public opinion. The experiment with the real-time incident show that this
method can objectively evaluate the emotional tendency of Internet users and
rate the crisis in different dissemination stages of online public opinion. It
is helpful to realizing the crisis warning of online public opinion and timely
blocking the further spread of the crisis.
- Abstract(参考訳): オンラインの世論は通常急速に広まり、小さな事件はおそらく非常に短い期間で大きな社会危機へと発展し、信用や経済の面において大きな損失をもたらす。
本稿では,オンライン世論の危機を多段階指標システムに基づいて評価し,イベントの影響を客観的に評価する手法を提案する。
まず,情報生態学の観点から,オンライン世論の普及メカニズムを説明する。
このメカニズムにより、相関分析と主成分分析により、いくつかの評価指標が選択される。
そして、ディープラーニングによる訓練を通してテキスト感情の分類モデルを作成し、インデックスシステムにおける感情指標の正確な定量化を実現する。
最後に,多段階評価指標システムと灰色の相関分析に基づいて,オンライン世論の危機度を評価する手法を提案する。
実時間インシデント実験により,インターネット利用者の感情傾向を客観的に評価し,オンライン世論の広汎化段階において危機を評価できることを示した。
オンライン世論の危機警告を実現し、危機のさらなる広がりをタイムリーに阻止するのに役立ちます。
関連論文リスト
- MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。
本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。
以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
論文 参考訳(メタデータ) (2024-10-13T18:16:50Z) - Community Shaping in the Digital Age: A Temporal Fusion Framework for Analyzing Discourse Fragmentation in Online Social Networks [45.58331196717468]
本研究では,ソーシャルメディアプラットフォームにおけるオンラインコミュニティの動態を解析するための枠組みを提案する。
テキスト分類と動的ソーシャルネットワーク分析を組み合わせることで,コミュニティの形成と進化を促進するメカニズムを明らかにする。
論文 参考訳(メタデータ) (2024-09-18T03:03:02Z) - Evaluating Robustness of Generative Search Engine on Adversarial Factual Questions [89.35345649303451]
生成検索エンジンは、人々がオンラインで情報を求める方法を変える可能性を秘めている。
しかし,既存の大規模言語モデル(LLM)が支援する生成検索エンジンからの応答は必ずしも正確ではない。
検索強化世代は、敵がシステム全体を回避できるため、安全上の懸念を増す。
論文 参考訳(メタデータ) (2024-02-25T11:22:19Z) - The Invisible Game on the Internet: A Case Study of Decoding Deceptive Patterns [19.55209153462331]
認知パターンは、ユーザーを操作するためのデジタルプラットフォームに埋め込まれたデザインプラクティスである。
検出ツールの進歩にもかかわらず、偽りのパターンのリスクを評価する際に大きなギャップが存在する。
論文 参考訳(メタデータ) (2024-02-05T22:42:59Z) - Online Decision Mediation [72.80902932543474]
意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。
臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
論文 参考訳(メタデータ) (2023-10-28T05:59:43Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳(メタデータ) (2023-10-20T06:17:02Z) - The Ethical Risks of Analyzing Crisis Events on Social Media with
Machine Learning [0.7817685358710509]
ソーシャルメディアプラットフォームは、世界規模で危機イベントに関するリアルタイムニュースの連続ストリームを提供する。
いくつかの機械学習手法は、クラウドソースされたデータを用いて、危機の自動検出と、その前駆体と後駆体のキャラクタリゼーションを行う。
本研究は、機械学習手法に着目した危機事象のソーシャルメディア分析における倫理的リスク要因を特定し、分析する。
論文 参考訳(メタデータ) (2022-10-07T06:54:54Z) - A Study on Herd Behavior Using Sentiment Analysis in Online Social
Network [1.5673338088641469]
本稿では,オンラインソーシャルネットワーキングサイトからの批判的意見を予測するための多様な戦略の能力について述べる。
ソーシャルメディアはここ数十年で良いメディアとなり、世界中の意見を共有している。
本研究では,ソーシャルメディアコンテンツを用いた感情分析手法の評価を行った。
論文 参考訳(メタデータ) (2021-07-25T05:22:35Z) - Addressing machine learning concept drift reveals declining vaccine
sentiment during the COVID-19 pandemic [0.0]
過去のアノテートデータに基づいてトレーニングされた機械学習アルゴリズムは,現代のデータに適用した場合,性能が低下する可能性があることを示す。
2020年の新型コロナウイルス(COVID-19)パンデミック(COVID-19)パンデミック(パンデミック)のパンデミック(パンデミック)前のデータで訓練されたアルゴリズムは、コンセプトの漂流のためにこの減少をほとんど見逃していただろう。
論文 参考訳(メタデータ) (2020-12-03T18:53:57Z)
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。