論文の概要: A BERT-based Deep Learning Approach for Reputation Analysis in Social
Media
- arxiv url: http://arxiv.org/abs/2211.01954v1
- Date: Sun, 23 Oct 2022 02:04:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 15:06:50.164479
- Title: A BERT-based Deep Learning Approach for Reputation Analysis in Social
Media
- Title(参考訳): BERTに基づくソーシャルメディアにおける評価分析のための深層学習手法
- Authors: Mohammad Wali Ur Rahman, Sicong Shao, Pratik Satam, Salim Hariri,
Chris Padilla, Zoe Taylor and Carlos Nevarez
- Abstract要約: 人気のある言語モデルBERT(Bidirectional Representations from Transformers)に基づく新しい評判分析手法を提案する。
提案手法はRepLab 2013データセットを用いて極性評価タスクに基づいて評価された。
従来に比べて精度が5.8%向上し,バランスの取れた精度が26.9%向上し,Fスコアが21.8%向上した。
- 参考スコア(独自算出の注目度): 1.6624933615451845
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social media has become an essential part of the modern lifestyle, with its
usage being highly prevalent. This has resulted in unprecedented amounts of
data generated from users in social media, such as users' attitudes, opinions,
interests, purchases, and activities across various aspects of their lives.
Therefore, in a world of social media, where its power has shifted to users,
actions taken by companies and public figures are subject to constantly being
under scrutiny by influential global audiences. As a result, reputation
management in social media has become essential as companies and public figures
need to maintain their reputation to preserve their reputation capital.
However, domain experts still face the challenge of lacking appropriate
solutions to automate reliable online reputation analysis. To tackle this
challenge, we proposed a novel reputation analysis approach based on the
popular language model BERT (Bidirectional Encoder Representations from
Transformers). The proposed approach was evaluated on the reputational polarity
task using RepLab 2013 dataset. Compared to previous works, we achieved 5.8%
improvement in accuracy, 26.9% improvement in balanced accuracy, and 21.8%
improvement in terms of F-score.
- Abstract(参考訳): ソーシャルメディアは現代のライフスタイルの重要な部分となり、その利用が広く普及している。
これは、ソーシャルメディアのユーザーの態度、意見、興味、購入、生活のさまざまな側面にわたる活動といった、前例のない量のデータを生み出した。
そのため、利用者に権限が移りつつあるソーシャルメディアの世界では、企業や著名人による行動は、影響力のあるグローバルなオーディエンスによって常に監視されている。
その結果、企業や著名人が評価資本を維持するために評判を維持する必要があるため、ソーシャルメディアにおける評判管理が不可欠になっている。
しかし、ドメインの専門家は信頼性の高いオンライン評判分析を自動化する適切なソリューションを欠いているという課題に直面している。
この課題に対処するために、人気のある言語モデルBERT(Bidirectional Encoder Representations from Transformers)に基づく新しい評価分析手法を提案する。
提案手法はRepLab 2013データセットを用いて評価された。
従来に比べて精度が5.8%向上し,バランス精度が26.9%向上し,Fスコアが21.8%向上した。
関連論文リスト
- Countering Misinformation via Emotional Response Generation [15.383062216223971]
ソーシャルメディアプラットフォーム(SMP)における誤情報拡散は、公衆衛生、社会的結束、民主主義に重大な危険をもたらす。
これまでの研究では、社会的訂正が誤情報を抑制する効果的な方法であることが示された。
約1万のクレーム応答対からなる最初の大規模データセットであるVerMouthを提案する。
論文 参考訳(メタデータ) (2023-11-17T15:37:18Z) - 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) - Creating a Systematic ESG (Environmental Social Governance) Scoring
System Using Social Network Analysis and Machine Learning for More
Sustainable Company Practices [0.0]
本研究の目的は,社会的な感情を取り入れることで,より優れたガイダンスとより体系化されたスコアを提供するデータ駆動型ESG評価システムの構築である。
PythonのWebスクレイパーは、Wikipedia、Twitter、LinkedIn、Google NewsからS&P 500企業のデータを収集するために開発された。
機械学習アルゴリズムは、予測能力をテストするために、S&P Global ESG Ratingsにトレーニングされ、校正された。
論文 参考訳(メタデータ) (2023-09-07T20:03:45Z) - Trust and Believe -- Should We? Evaluating the Trustworthiness of
Twitter Users [5.695742189917657]
ソーシャルメディア上のフェイクニュースは、個人と社会の両方に悪影響を及ぼす大きな問題である。
この作業において、私たちは、ソーシャルネットワークコミュニティに信頼を喚起するソリューションを提供したいと考えている。
本モデルでは,Twitter上で5万人の政治家の行動を分析し,評価されたユーザ毎に影響スコアを割り当てる。
論文 参考訳(メタデータ) (2022-10-27T06:57:19Z) - Having your Privacy Cake and Eating it Too: Platform-supported Auditing
of Social Media Algorithms for Public Interest [70.02478301291264]
ソーシャルメディアプラットフォームは、情報や機会へのアクセスをキュレートするので、公衆の言論を形成する上で重要な役割を果たす。
これまでの研究では、これらのアルゴリズムが偏見や差別的な結果をもたらすことを示すためにブラックボックス法が用いられてきた。
本稿では,提案法の目標を満たすプラットフォーム支援型監査手法を提案する。
論文 参考訳(メタデータ) (2022-07-18T17:32:35Z) - Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文 参考訳(メタデータ) (2021-11-11T19:40:51Z) - SOK: Seeing and Believing: Evaluating the Trustworthiness of Twitter
Users [4.609388510200741]
現在、どのニュースやユーザーが信頼できるか、どれがそうでないかを自動で判断する方法はない。
本研究では、Twitter上で5万人の政治家の行動を分析するモデルを作成しました。
政治Twitterのユーザを、ランダムな森林、多層パーセプトロン、サポートベクターマシンを使って、信頼あるいは信頼できないと分類した。
論文 参考訳(メタデータ) (2021-07-16T17:39:32Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳(メタデータ) (2020-10-20T19:37:04Z) - An Iterative Approach for Identifying Complaint Based Tweets in Social
Media Platforms [76.9570531352697]
本稿では,トランスポートドメインに関連する苦情に基づく投稿を識別する反復的手法を提案する。
研究目的のための新しいデータセットのリリースとともに、包括的評価を行う。
論文 参考訳(メタデータ) (2020-01-24T22:23:22Z) - An Approach for Time-aware Domain-based Social Influence Prediction [4.753874889216745]
本稿では,ユーザの信頼性を計測し,予測するために,意味分析と機械学習モジュールを取り入れたアプローチを提案する。
本実験の評価は,高度に信頼性の高いドメインベースユーザを予測するために,組み込まれた機械学習技術の適用性を検証する。
論文 参考訳(メタデータ) (2020-01-19T10:39:37Z) - Quantifying the Vulnerabilities of the Online Public Square to
Adversarial Manipulation Tactics [47.189859616654736]
ソーシャルメディアモデルを用いて、コンテンツの品質に対するいくつかの敵の操作戦術の影響を定量化する。
ソーシャルメディアの目印である影響力のあるアカウントの存在は、操作するオンラインコミュニティの脆弱性を悪化させる。
これらの知見は、プラットフォームがソーシャルメディアユーザーによる操作のレジリエンスを高めるために使われる可能性があることを示唆している。
論文 参考訳(メタデータ) (2019-07-13T21:12:08Z)
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。