論文の概要: Detecting Spoilers in Movie Reviews with External Movie Knowledge and User Networks

• arxiv url: http://arxiv.org/abs/2304.11411v2
• Date: Thu, 26 Oct 2023 04:07:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-28 02:29:29.712018
• Title: Detecting Spoilers in Movie Reviews with External Movie Knowledge and User Networks
• Title（参考訳）: 外部映像知識とユーザネットワークを用いた映画レビューにおけるスポイラーの検出
• Authors: Heng Wang, Wenqian Zhang, Yuyang Bai, Zhaoxuan Tan, Shangbin Feng, Qinghua Zheng, Minnan Luo
• Abstract要約: オンライン映画レビュープラットフォームは、映画産業と一般大衆にクラウドソースによるフィードバックを提供している。 自動でスポイラーを識別するための予備的な研究が実施されたが、それらは単にレビューの内容そのものに焦点を当てているだけであった。 本稿では,映画レビュープラットフォーム上での映画やユーザ活動の外部知識を考慮した,新しい多視点スポイラー検出フレームワークであるMVSDを提案する。
• 参考スコア（独自算出の注目度）: 49.34060089217864
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online movie review platforms are providing crowdsourced feedback for the film industry and the general public, while spoiler reviews greatly compromise user experience. Although preliminary research efforts were made to automatically identify spoilers, they merely focus on the review content itself, while robust spoiler detection requires putting the review into the context of facts and knowledge regarding movies, user behavior on film review platforms, and more. In light of these challenges, we first curate a large-scale network-based spoiler detection dataset LCS and a comprehensive and up-to-date movie knowledge base UKM. We then propose MVSD, a novel Multi-View Spoiler Detection framework that takes into account the external knowledge about movies and user activities on movie review platforms. Specifically, MVSD constructs three interconnecting heterogeneous information networks to model diverse data sources and their multi-view attributes, while we design and employ a novel heterogeneous graph neural network architecture for spoiler detection as node-level classification. Extensive experiments demonstrate that MVSD advances the state-of-the-art on two spoiler detection datasets, while the introduction of external knowledge and user interactions help ground robust spoiler detection. Our data and code are available at https://github.com/Arthur-Heng/Spoiler-Detection
• Abstract（参考訳）: オンライン映画レビュープラットフォームは、映画業界と一般向けにクラウドソースによるフィードバックを提供しており、スポイラーレビューはユーザーエクスペリエンスを損なう。 スポイラーを自動的に識別するための予備的な研究努力は行われたが、レビュー内容そのものにのみ焦点をあてるだけで、ロバストなスポイラー検出には、映画に関する事実や知識、映画レビュープラットフォームにおけるユーザー行動などのコンテキストにレビューを組み込む必要がある。 これらの課題を踏まえ、まず、大規模ネットワークベースのスポイラー検出データセットlcsと、総合的かつ最新の映画知識ベースukmをキュレーションする。 次に,映画レビュープラットフォーム上での映画やユーザ活動の外部知識を考慮した,新しいマルチビュースポイラー検出フレームワークであるMVSDを提案する。 具体的には、MVSDは、多様なデータソースとその多視点特性をモデル化するための3つの相互接続した異種情報ネットワークを構築し、ノードレベルの分類としてスポイラー検出のための新しい異種グラフニューラルネットワークアーキテクチャを設計、採用する。 大規模な実験により、MVSDは2つのスポイラー検出データセットの最先端を推し進める一方、外部知識の導入とユーザインタラクションは堅牢なスポイラー検出を支援する。 私たちのデータとコードはhttps://github.com/Arthur-Heng/Spoiler-Detectionで公開されています。

関連論文リスト

• MMoE: Robust Spoiler Detection with Multi-modal Information and Domain-aware Mixture-of-Experts [24.019670360653002]
  MMoEはマルチモーダルネットワークであり、複数のモーダルからの情報を利用してロバストなスポイラー検出を容易にする。 MMoEは2つの広く使用されているスポイラー検出データセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-03-08T12:42:04Z)
• Learning to Identify Critical States for Reinforcement Learning from Videos [55.75825780842156]
  優れたポリシに関するアルゴリズム情報は、実行されたアクションに関する明示的な情報を持たないオフラインデータから抽出することができる。 例えば、人間やロボットのビデオは、アクションシーケンスに対する報酬に関する暗黙の情報を多く伝達することができる。 このようなビデオを見て利益を得たいDRLマシンは、まず、関連する状態/アクション/リワードを識別し、認識するために、自分で学習する必要がある。
  論文  参考訳（メタデータ） (2023-08-15T14:21:24Z)
• Combating Online Misinformation Videos: Characterization, Detection, and Future Directions [13.960032991158402]
  ビデオベースの誤報は、オンライン情報エコシステムの健全性に新たな脅威をもたらす。 まず、信号、意味、意図を含む3つのレベルから誤情報映像を分析し、特徴付ける。 代表的なデータセットや有用なツールを含む既存のリソースを紹介します。
  論文  参考訳（メタデータ） (2023-02-07T04:03:55Z)
• IMDB Spoiler Dataset [1.7513645771137178]
  高品質な映画レビューベースのスポイラーデータセットを提案し,スポイラー検出の問題に対処する。 我々は、それが答えられる様々な研究の質問について説明する。
  論文  参考訳（メタデータ） (2022-09-17T22:31:06Z)
• Film Trailer Generation via Task Decomposition [65.16768855902268]
  私たちは映画をグラフとしてモデル化し、ノードはショットであり、エッジはそれらの間のセマンティックな関係を表す。 スクリーンプレイから特権的テキスト情報を活用する共同コントラストトレーニングを用いて,これらの関係を学習する。 教師なしのアルゴリズムがグラフを横切り、人間の審査員が競争的な教師付きアプローチによって生成されるトレーラーを生成する。
  論文  参考訳（メタデータ） (2021-11-16T20:50:52Z)
• Multilevel profiling of situation and dialogue-based deep networks for movie genre classification using movie trailers [7.904790547594697]
  我々は、状況、対話、メタデータに基づく映画ジャンル分類フレームワークという、新しいマルチモダリティを提案する。 我々は,5つのジャンルに属する2000本のハリウッド映画トレーラーを含むイギリス映画トレーラーデータセット(EMTD)を開発した。
  論文  参考訳（メタデータ） (2021-09-14T07:33:56Z)
• Where to look at the movies : Analyzing visual attention to understand movie editing [75.16856363008128]
  映画シーケンスの視線パターン情報を含む新しい視線追跡データベースを提案する。 このデータセット上で、最先端の計算サリエンシー技術がどのように振る舞うかを示す。
  論文  参考訳（メタデータ） (2021-02-26T09:54:58Z)
• "Killing Me" Is Not a Spoiler: Spoiler Detection Model using Graph Neural Networks with Dependency Relation-Aware Attention Mechanism [14.48574374229717]
  構文認識型グラフニューラルネットワークに基づくSDGNNと呼ばれる新しいスポイラー検出モデルを提案する。 実世界の2つのベンチマークデータセットの実験において、SDGNNは既存のスポイラー検出モデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-01-15T05:34:17Z)
• Learning Trailer Moments in Full-Length Movies [49.74693903050302]
  我々は、正式に公開された予告編を弱い監督力として活用し、フル長の映画から重要な瞬間を検知できるモデルを学ぶ。 本稿では,映画とトレーラーのコ・アテンションを利用してトレーニングペアを生成する新しいランキングネットワークを提案する。 我々は,最初の映画トレーラデータセットを構築し,提案するコ・アテンション支援ランキングネットワークは,教師付きアプローチよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2020-08-19T15:23:25Z)
• Condensed Movies: Story Based Retrieval with Contextual Embeddings [83.73479493450009]
  我々は3K映画の主要シーンからなるコンデンサド映画データセット(CMD)を作成する。 データセットはスケーラブルで、YouTubeから自動的に取得され、誰でもダウンロードして利用できる。 我々は、文字、音声、視覚的手がかりを1つのビデオ埋め込みに組み合わせ、データセット上でテキストからビデオまでを検索するためのディープネットワークベースラインを提供する。
  論文  参考訳（メタデータ） (2020-05-08T17:55:03Z)

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。