論文の概要: Time-aware topic identification in social media with pre-trained
language models: A case study of electric vehicles
- arxiv url: http://arxiv.org/abs/2210.05143v1
- Date: Tue, 11 Oct 2022 04:50:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 16:37:25.749989
- Title: Time-aware topic identification in social media with pre-trained
language models: A case study of electric vehicles
- Title(参考訳): 事前学習言語モデルを用いたソーシャルメディアにおける時間的話題識別:電気自動車を事例として
- Authors: Byeongki Jeong, Janghyeok Yoon, Jaewoong Choi
- Abstract要約: 事前学習言語モデルを用いた時間認識型トピック識別手法を提案する。
提案手法は,言語モデルを用いて時間変化トピックを追跡する動的関数と,将来有望なトピックを探索する出現スコア関数の2段階からなる。
- 参考スコア(独自算出の注目度): 1.2891210250935146
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent extensively competitive business environment makes companies to keep
their eyes on social media, as there is a growing recognition over customer
languages (e.g., needs, interests, and complaints) as source of future
opportunities. This research avenue analysing social media data has received
much attention in academia, but their utilities are limited as most of methods
provide retrospective results. Moreover, the increasing number of
customer-generated contents and rapidly varying topics have made the necessity
of time-aware topic evolution analyses. Recently, several researchers have
showed the applicability of pre-trained semantic language models to social
media as an input feature, but leaving limitations in understanding evolving
topics. In this study, we propose a time-aware topic identification approach
with pre-trained language models. The proposed approach consists of two stages:
the dynamics-focused function for tracking time-varying topics with language
models and the emergence-scoring function to examine future promising topics.
Here we apply the proposed approach to reddit data on electric vehicles, and
our findings highlight the feasibility of capturing emerging customer topics
from voluminous social media in a time-aware manner.
- Abstract(参考訳): 最近の競争の激しいビジネス環境は、顧客言語(ニーズ、関心、苦情など)が将来の機会の源として認識されつつあるため、企業はソーシャルメディアに目を光らせている。
ソーシャルメディアデータを分析する研究は、学界で注目されているが、ほとんどの手法が振り返り結果を提供するため、その効用は限られている。
さらに、顧客生成コンテンツの増加と急速に変化するトピックは、タイムアウェアなトピック進化分析を必要としている。
近年,いくつかの研究者がソーシャルメディアへの事前学習型セマンティック言語モデルの適用性を示しているが,トピックの理解には限界が残されている。
本研究では,事前学習言語モデルを用いた時間認識型トピック識別手法を提案する。
提案手法は,言語モデルを用いて時間変化トピックを追跡する動的関数と,将来有望なトピックを探索する出現スコア関数の2段階からなる。
本稿では,提案手法を電気自動車のデータ再編集に適用し,新たな顧客トピックをソーシャルメディアからタイムアウェアで収集する可能性を明らかにする。
関連論文リスト
- Time Series Analysis of Key Societal Events as Reflected in Complex
Social Media Data Streams [0.9790236766474201]
本研究では,ニッチなソーシャルメディアプラットフォームであるGABと,確立されたメッセージングサービスであるTelegramの物語進化について検討する。
我々のアプローチは、複数のソーシャルメディアドメインを調査し、他の方法では見えない重要な情報を排除するための新しいモードである。
主な知見は,(1) 時間線をデコンストラクトして, 解釈を改善するための有用なデータ機能を提供すること,(2) 一般化の基盤を提供する方法論を適用すること,である。
論文 参考訳(メタデータ) (2024-03-11T18:33:56Z) - AutoConv: Automatically Generating Information-seeking Conversations
with Large Language Models [74.10293412011455]
合成会話生成のためのAutoConvを提案する。
具体的には,会話生成問題を言語モデリングタスクとして定式化する。
我々は、情報探索プロセスの特徴を捉えるために、人間同士の会話でLLMを微調整する。
論文 参考訳(メタデータ) (2023-08-12T08:52:40Z) - Lost in the Middle: How Language Models Use Long Contexts [88.78803442320246]
本研究では,言語モデルの性能を2つのタスクで解析する。
関連する情報の位置を変えると,性能が著しく低下することがわかった。
我々の分析は、言語モデルが入力コンテキストをどのように使用するかをよりよく理解し、将来の長文言語モデルのための新しい評価プロトコルを提供する。
論文 参考訳(メタデータ) (2023-07-06T17:54:11Z) - Recent Advances in Direct Speech-to-text Translation [58.692782919570845]
我々は、既存の研究成果を、モデリングの負担、データの不足、アプリケーション問題という3つの課題に基づいて分類する。
データ不足の課題に対して、最近の研究は、データ強化、事前学習、知識蒸留、多言語モデリングなど、多くの高度な技術を活用している。
我々は、リアルタイム、セグメンテーション、名前付きエンティティ、性別バイアス、コードスイッチングなど、アプリケーションの問題を分析して要約する。
論文 参考訳(メタデータ) (2023-06-20T16:14:27Z) - Improving Factuality and Reasoning in Language Models through Multiagent
Debate [95.10641301155232]
複数の言語モデルインスタンスが共通の最終回答に到達するために、複数のラウンドで個別の応答と推論プロセスを提案し、議論する言語応答を改善するための補完的なアプローチを提案する。
以上の結果から,本手法は様々なタスクにおける数学的・戦略的推論を著しく向上させることが示唆された。
我々のアプローチは、既存のブラックボックスモデルに直接適用され、調査するすべてのタスクに対して、同じ手順とプロンプトを使用することができる。
論文 参考訳(メタデータ) (2023-05-23T17:55:11Z) - Analyzing social media with crowdsourcing in Crowd4SDG [1.1403672224109254]
本研究は,ソーシャルメディアの分析,特に緊急時におけるフレキシブルな支援を提供するアプローチを提案する。
焦点は、ソーシャルメディア投稿に含まれる画像やテキストを分析し、コンテンツのフィルタリング、分類、位置決めのための一連の自動データ処理ツールである。
このようなサポートには、自動ツールを設定するためのフィードバックと提案、市民からのインプットを集めるためのクラウドソーシングの両方が含まれる。
論文 参考訳(メタデータ) (2022-08-04T14:42:20Z) - 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) - SocialVisTUM: An Interactive Visualization Toolkit for Correlated Neural
Topic Models on Social Media Opinion Mining [0.07538606213726905]
意見マイニングにおける最近の研究は、単語埋め込みに基づくトピックモデリング手法を提案する。
そこで本稿では,SocialVisTUMを用いてソーシャルメディアのテキストに関連性のあるトピックモデルを表示する方法について述べる。
論文 参考訳(メタデータ) (2021-10-20T14:04:13Z) - An NLP approach to quantify dynamic salience of predefined topics in a
text corpus [0.0]
我々は自然言語処理技術を用いて、テキストの大規模なコーパスを通して、ある定義済みの関心トピックの集合が時間とともにどのように変化するかの定量化を行う。
事前定義されたトピックが与えられたら、それらのトピックにマップされ、通常のベースラインから逸脱する利用パターンを持つ、用語の集合(n-gram)を識別してランク付けできる。
論文 参考訳(メタデータ) (2021-08-16T21:00:06Z) - Can You be More Social? Injecting Politeness and Positivity into
Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。
このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。
人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文 参考訳(メタデータ) (2020-12-29T08:22:48Z) - Keyword Assisted Topic Models [0.0]
少数のキーワードを提供することで,話題モデルの計測性能を大幅に向上させることができることを示す。
KeyATMは、より解釈可能な結果を提供し、文書分類性能が向上し、標準トピックモデルよりもトピックの数に敏感でない。
論文 参考訳(メタデータ) (2020-04-13T14:35:28Z)
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。