論文の概要: ContCommRTD: A Distributed Content-based Misinformation-aware Community
Detection System for Real-Time Disaster Reporting
- arxiv url: http://arxiv.org/abs/2301.12984v1
- Date: Mon, 30 Jan 2023 15:28:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-31 14:03:49.220897
- Title: ContCommRTD: A Distributed Content-based Misinformation-aware Community
Detection System for Real-Time Disaster Reporting
- Title（参考訳）: ContCommRTD:リアルタイム災害報告のための分散コンテンツに基づく誤情報認識コミュニティ検出システム
- Authors: Elena-Simona Apostol and Ciprian-Octavian Truic\u{a} and Adrian
Paschke
- Abstract要約: 本稿では,危険関連事象とその進化について,ほぼリアルタイムに情報を提供する新しい分散システムを提案する。
我々の分散災害報告システムは、世界規模のツイート間の社会的関係を解析する。
フェイクニュースを検知する新たな深層学習モデルを提案する。
- 参考スコア（独自算出の注目度）: 0.5156484100374059
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Real-time social media data can provide useful information on evolving
hazards. Alongside traditional methods of disaster detection, the integration
of social media data can considerably enhance disaster management. In this
paper, we investigate the problem of detecting geolocation-content communities
on Twitter and propose a novel distributed system that provides in near
real-time information on hazard-related events and their evolution. We show
that content-based community analysis leads to better and faster dissemination
of reports on hazards. Our distributed disaster reporting system analyzes the
social relationship among worldwide geolocated tweets, and applies topic
modeling to group tweets by topics. Considering for each tweet the following
information: user, timestamp, geolocation, retweets, and replies, we create a
publisher-subscriber distribution model for topics. We use content similarity
and the proximity of nodes to create a new model for geolocation-content based
communities. Users can subscribe to different topics in specific geographical
areas or worldwide and receive real-time reports regarding these topics. As
misinformation can lead to increase damage if propagated in hazards related
tweets, we propose a new deep learning model to detect fake news. The
misinformed tweets are then removed from display. We also show empirically the
scalability capabilities of the proposed system.
- Abstract（参考訳）: リアルタイムのソーシャルメディアデータは、進化するハザードに関する有用な情報を提供することができる。
災害検出の従来の方法に加えて、ソーシャルメディアデータの統合は災害管理を大幅に強化する。
本稿では,twitter上で位置対応型コミュニティを検知する問題を調査し,ハザード関連イベントとその進化に関する情報をほぼリアルタイムで提供する新しい分散システムを提案する。
我々は,コンテンツに基づくコミュニティ分析が,ハザードに関する報告をより高速に伝達することを示す。
分散災害報告システムは, 地域別ツイート間の社会的関係を分析し, トピック・モデリングをトピック別グループ・ツイートに適用する。
ユーザ,タイムスタンプ,ジオロケーション,リツイート,リプライの各つぶやきを考慮し,トピックのパブリッシャ-サブスクライブ配信モデルを作成する。
私たちは、コンテンツの類似性とノードの近接を利用して、位置情報ベースのコミュニティの新しいモデルを作成します。
ユーザーは特定の地域や世界中の異なるトピックを購読し、これらのトピックに関するリアルタイムレポートを受け取ることができる。
有害なツイートを広めると、誤った情報がダメージを増加させる可能性があるため、フェイクニュースを検出するための新しいディープラーニングモデルを提案する。
誤報されたツイートは表示から削除される。
また,提案システムのスケーラビリティを実証的に示す。
関連論文リスト
- CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [49.2719253711215]
本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。
本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。
この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
論文 参考訳（メタデータ） (2024-06-16T23:01:10Z) - InfoPattern: Unveiling Information Propagation Patterns in Social Media [59.67008841974645]
InfoPatternは、言語と人間のイデオロギーの相互作用に焦点を当てている。
1) 反対のイデオロギーコミュニティからの反対反応をシミュレートするレッドチーム,(2) メッセージ中の政治的感情を識別するスタンス検出,(3) 情報伝播グラフの発見により,様々なコミュニティにおけるクレームの進化が時間とともに明らかにされる。
論文 参考訳（メタデータ） (2023-11-27T09:12:35Z) - 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) - MIDDAG: Where Does Our News Go? Investigating Information Diffusion via
Community-Level Information Pathways [114.42360191723469]
我々は、新型コロナウイルス関連のニュース記事によって引き起こされるソーシャルメディア上の情報伝達経路を可視化する、直感的でインタラクティブなシステムMIDDAGを提案する。
我々は,ユーザ間のコミュニティを構築し,伝播予測機能を開発し,情報の普及方法の追跡と理解を可能にする。
論文 参考訳（メタデータ） (2023-10-04T02:08:11Z) - Sarcasm Detection in a Disaster Context [103.93691731605163]
HurricaneSARCは,意図した皮肉に注釈を付けた15,000ツイートのデータセットである。
私たちの最高のモデルは、データセットで最大0.70F1を得ることができます。
論文 参考訳（メタデータ） (2023-08-16T05:58:12Z) - Investigating disaster response through social media data and the
Susceptible-Infected-Recovered (SIR) model: A case study of 2020 Western U.S.
wildfire season [0.8999666725996975]
ソーシャルメディアは災害時の公衆の懸念や要求を反映することができる。
Twitterデータからトピックをクラスタリングするために、BERT(Bidirectional Representations from Transformers)トピックモデリングを使用しました。
本研究では、ソーシャルメディアデータを用いたSIRモデルとトピックモデリングが、災害対応を定量的に評価するための意思決定者に提供する方法について詳述する。
論文 参考訳（メタデータ） (2023-08-10T01:51:33Z) - TriggerCit: Early Flood Alerting using Twitter and Geolocation -- a
comparison with alternative sources [0.2603110718989132]
ソーシャルメディアは、進行中のイベント中に市民や組織が投稿した証拠に基づくコンテンツによる緊急対応を支援することができる。
タイムラインと位置情報に焦点を当てた多言語アプローチによる早期洪水警報ツールであるTriggerCitを提案する。
TriggerCitがTwitterから抽出した位置情報による視覚的証拠は、2021年にタイとネパールの洪水に関する2つのケーススタディで分析された。
論文 参考訳（メタデータ） (2022-02-24T10:55:49Z) - TBCOV: Two Billion Multilingual COVID-19 Tweets with Sentiment, Entity,
Geo, and Gender Labels [5.267993069044648]
この研究は、新型コロナウイルス(COVID-19)のパンデミックに関連する20億以上の多言語ツイートを1年以上にわたって収集した大規模なTwitterデータセットTBCOVを提示する。
いくつかの最先端のディープラーニングモデルは、感情ラベル、名前付きエンティティ、人物の言及、組織、場所、ユーザータイプ、性別情報など、重要な属性でデータを強化するために使用される。
我々の感情と傾向分析は興味深い洞察を示し、TBCOVが重要なトピックを幅広くカバーしていることを確認する。
論文 参考訳（メタデータ） (2021-10-04T06:17:12Z) - Graph-based Joint Pandemic Concern and Relation Extraction on Twitter [19.7176519744206]
公衆の懸念検出は、パンデミックの流行前またはその間、危機管理のための当局に潜在的ガイダンスを提供する。
ソーシャルメディアの膨大な情報から時間内の懸念を検出することは、大きな課題であることがわかりました。
本稿では,人々の関心事とそれに対応する関係を識別する新しいエンド・ツー・エンドのディープラーニングモデルを提案する。
論文 参考訳（メタデータ） (2021-06-18T06:06:35Z) - Leveraging Multi-Source Weak Social Supervision for Early Detection of
Fake News [67.53424807783414]
ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。
この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。
ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。
実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2020-04-03T18:26:33Z) - A multi-layer approach to disinformation detection on Twitter [4.663548775064491]
我々は,Twitter拡散ネットワークの多層表現を用い,各層に対してグローバルネットワーク機能群を計算した。
米国とイタリアでそれぞれ共有されたニュースの拡散カスケードに対応する2つの大規模データセットによる実験結果から、単純なロジスティック回帰モデルにより、偽情報と主流ネットワークを高精度に分類できることが示されている。
当社のネットワークベースのアプローチは,ソーシャルメディアに拡散する誤解を招く有害な情報を検出するシステム開発への道を開く有用な洞察を提供すると考えている。
論文 参考訳（メタデータ） (2020-02-28T09:25:53Z)
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。