論文の概要: Event Detection from Social Media Stream: Methods, Datasets and Opportunities

• arxiv url: http://arxiv.org/abs/2306.16495v1
• Date: Wed, 28 Jun 2023 18:40:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-30 15:54:56.281524
• Title: Event Detection from Social Media Stream: Methods, Datasets and Opportunities
• Title（参考訳）: ソーシャルメディアストリームからのイベント検出:方法,データセット,機会
• Authors: Quanzhi Li, Yang Chao, Dong Li, Yao Lu, Chi Zhang
• Abstract要約: ソーシャルメディアストリームには、日々の物語から最新のグローバルおよびローカルイベントやニュースまで、多種多様な情報が含まれている。 特にTwitterは、リアルタイムで発生するイベントの迅速な拡散を可能にし、個人や組織が現在起きている出来事を知らせることを可能にする。 ソーシャルメディアデータからのイベント検出は、従来のテキストとは異なる課題を呈し、近年注目されている研究分野である。
• 参考スコア（独自算出の注目度）: 20.42206536532482
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media streams contain large and diverse amount of information, ranging from daily-life stories to the latest global and local events and news. Twitter, especially, allows a fast spread of events happening real time, and enables individuals and organizations to stay informed of the events happening now. Event detection from social media data poses different challenges from traditional text and is a research area that has attracted much attention in recent years. In this paper, we survey a wide range of event detection methods for Twitter data stream, helping readers understand the recent development in this area. We present the datasets available to the public. Furthermore, a few research opportunities
• Abstract（参考訳）: ソーシャルメディアストリームには、日々の物語から最新のグローバルおよびローカルイベントやニュースまで、多種多様な情報が含まれている。 特にtwitterは、リアルタイムに発生したイベントの迅速な拡散を可能にし、個人や組織が今起きている出来事を知らせ続けることができる。 ソーシャルメディアデータからのイベント検出は、従来のテキストとは異なる課題であり、近年注目を集めている研究分野である。 本稿では,Twitterデータストリームのイベント検出手法を幅広く調査し,この領域における最近の展開を読者が理解できるようにする。 利用可能なデータセットを公開します。 さらにいくつかの研究の機会は

関連論文リスト

• Labeled Datasets for Research on Information Operations [71.34999856621306]
  ソーシャルメディアプラットフォームによって検証されたIOポストと、同様のトピックを同じ時間フレーム(制御データ)で議論した303kアカウントによる1300万以上の投稿の両方を含む、26のキャンペーンに関するラベル付きデータセットを新たに提示する。 データセットは、さまざまなキャンペーンや国で調整されたアカウントによって使用される物語、ネットワークインタラクション、エンゲージメント戦略の研究を促進する。
  論文  参考訳（メタデータ） (2024-11-15T22:15:01Z)
• Organized Event Participant Prediction Enhanced by Social Media Retweeting Data [8.675064911866201]
  本稿では、ソーシャルメディアのリツイート活動データを利用して、イベント参加者予測モデルの学習を強化することを提案する。 実世界データを用いた総合的な実験を2つのシナリオで実施する。
  論文  参考訳（メタデータ） (2023-10-02T04:26:07Z)
• Using Twitter Data to Determine Hurricane Category: An Experiment [0.19573380763700707]
  ソーシャルメディアの投稿には、主要な出来事に関する世論に関する豊富な情報が含まれている。 本稿では,特定地域のTwitterデータと,その地域のハリケーンレベルとの相関について検討する。 また,関連するTwitterデータを用いて,特定分野のハリケーンカテゴリーを予測する手法を提案する。
  論文  参考訳（メタデータ） (2023-08-10T22:30:24Z)
• EnrichEvent: Enriching Social Data with Contextual Information for Emerging Event Extraction [5.795017262737487]
  本稿では,ストリーミングソーシャルデータの言語的および文脈的表現を活用する新しいフレームワークであるEnrichEventを提案する。 提案するフレームワークは,イベントの時間的変化を示すために,各イベントのクラスタチェーンを生成する。
  論文  参考訳（メタデータ） (2023-07-29T21:37:55Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• EDSA-Ensemble: an Event Detection Sentiment Analysis Ensemble Architecture [63.85863519876587]
  Sentiment Analysisを使って、イベントに属する各メッセージの極性やイベント全体を理解することで、オンラインソーシャルネットワークにおける重要なトレンドやダイナミクスに関する一般的な感情や個人の感情をよりよく理解することができます。 本研究では,ソーシャルメディアから現在起きているイベントの極性検出を改善するために,イベント検出と知覚分析を用いた新しいアンサンブルアーキテクチャEDSA-Ensembleを提案する。
  論文  参考訳（メタデータ） (2023-01-30T11:56:08Z)
• Streaming Social Event Detection and Evolution Discovery in Heterogeneous Information Networks [90.3475746663728]
  イベントは現実世界やリアルタイムで行われており、社会集会、祝祭、影響力のある会議、スポーツ活動などのイベントのために計画や組織化が可能である。 ソーシャルメディアプラットフォームは、トピックの異なる公開イベントに関する多くのリアルタイムテキスト情報を生成する。 しかし、異質なテクスチャやメタデータがあいまいであることが多いため、社会イベントの採掘は困難である。
  論文  参考訳（メタデータ） (2021-04-02T02:13:10Z)
• On Informative Tweet Identification For Tracking Mass Events [0.0]
  本研究では,対象イベントに関連するツイートを自動的に識別する機械学習手法について検討する。 本稿では,手作り機能と自動学習機能の両方を活用するハイブリッドモデルを提案する。 実世界の出来事の大規模なデータセットに関する実験により、後者のアプローチは前者よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2021-01-14T15:10:42Z)
• Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
  ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。 有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。 我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
  論文  参考訳（メタデータ） (2020-11-02T02:03:07Z)
• 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)
• Predicting event attendance exploring social influence [0.5134435281973136]
  イベント出席者に対する友人の社会的影響をモデル化することを提案する。 利用者の出席度を推定するために,ソーシャルグループ構造以外の非タグ付き投稿を考察する。 演奏評価は2つの大音楽祭データセットを用いて行う。
  論文  参考訳（メタデータ） (2020-02-16T20:03:29Z)

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。