論文の概要: Tube2Vec: Social and Semantic Embeddings of YouTube Channels

• arxiv url: http://arxiv.org/abs/2306.17298v1
• Date: Thu, 29 Jun 2023 20:43:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-03 14:03:41.592165
• Title: Tube2Vec: Social and Semantic Embeddings of YouTube Channels
• Title（参考訳）: tube2vec: youtubeチャンネルのソーシャルでセマンティックな埋め込み
• Authors: L\'eopaul Boesinger, Manoel Horta Ribeiro, Veniamin Veselovsky, Robert West
• Abstract要約: ソーシャル共有行動、ビデオメタデータ、YouTubeのビデオレコメンデーションをキャプチャする埋め込みを作成します。 クラウドソーシングと既存のデータセットを用いて,これらの埋め込みを評価する。 われわれは、将来の研究の利益のために、44,000のYouTubeチャンネルのソーシャルおよびセマンティック次元をキャプチャーする埋め込みを共有している。
• 参考スコア（独自算出の注目度）: 11.321096553990824
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Research using YouTube data often explores social and semantic dimensions of channels and videos. Typically, analyses rely on laborious manual annotation of content and content creators, often found by low-recall methods such as keyword search. Here, we explore an alternative approach, using latent representations (embeddings) obtained via machine learning. Using a large dataset of YouTube links shared on Reddit; we create embeddings that capture social sharing behavior, video metadata (title, description, etc.), and YouTube's video recommendations. We evaluate these embeddings using crowdsourcing and existing datasets, finding that recommendation embeddings excel at capturing both social and semantic dimensions, although social-sharing embeddings better correlate with existing partisan scores. We share embeddings capturing the social and semantic dimensions of 44,000 YouTube channels for the benefit of future research on YouTube: https://github.com/epfl-dlab/youtube-embeddings.
• Abstract（参考訳）: YouTubeデータを用いた研究は、しばしばチャンネルやビデオの社会的・意味的な次元を探索する。 典型的には、分析はコンテンツやコンテンツクリエーターの手間のかかる手動アノテーションに依存しており、キーワード検索のような低リコールメソッドでしばしば見られる。 ここでは,機械学習によって得られた潜在表現(埋め込み)を用いて,代替手法を検討する。 Redditで共有されているYouTubeリンクの大規模なデータセットを使用して、ソーシャル共有行動、ビデオメタデータ(タイトル、説明など)、YouTubeのビデオレコメンデーションをキャプチャする埋め込みを作成します。 クラウドソーシングと既存のデータセットを用いてこれらの埋め込みを評価し,ソーシャルとセマンティックの両方の次元を捉える上で,レコメンデーションの埋め込みが優れていることを発見した。 私たちは、将来の研究の恩恵を受けるために、44,000のyoutubeチャンネルの社会的および意味的な次元をキャプチャする埋め込みを共有している。

関連論文リスト

• Detecting Suspicious Commenter Mob Behaviors on YouTube Using Graph2Vec [1.1371889042789218]
  本稿では,YouTubeチャンネル間の不審なコメントモブ様の挙動を検出するための,ソーシャルネットワーク分析に基づく手法を提案する。 本手法は,このような行動のレベルに基づいてチャネルを特徴付けることを目的としており,それらにまたがるコモンパターンを同定する。 分析の結果,疑わしいコメント者の行動の頻度に光を当てた。
  論文  参考訳（メタデータ） (2023-11-09T23:49:29Z)
• Micro-video Tagging via Jointly Modeling Social Influence and Tag Relation [56.23157334014773]
  85.7%のマイクロビデオにはアノテーションがない。 既存の手法は、主にビデオコンテンツの分析、ユーザの社会的影響やタグ関係を無視することに焦点を当てている。 構築したヘテロジニアスネットワークにおけるリンク予測問題として,マイクロビデオタギングを定式化する。
  論文  参考訳（メタデータ） (2023-03-15T02:13:34Z)
• How Would The Viewer Feel? Estimating Wellbeing From Video Scenarios [73.24092762346095]
  情緒応答と主観的幸福感に注釈を付けた6万本以上のビデオを備えた大規模データセットを2つ導入した。 Video Cognitive Empathyデータセットには、微粒な感情応答の分布のためのアノテーションが含まれており、モデルが感情状態の詳細な理解を得ることができる。 Video to Valenceデータセットには、ビデオ間の相対的な快適性のアノテーションが含まれている。
  論文  参考訳（メタデータ） (2022-10-18T17:58:25Z)
• A Feature-space Multimodal Data Augmentation Technique for Text-video Retrieval [16.548016892117083]
  近年,テキストビデオ検索手法が注目されている。 データ拡張技術は、目に見えないテスト例のパフォーマンスを向上させるために導入された。 特徴空間で機能し,意味的に類似したサンプルを混合して新しいビデオやキャプションを生成するマルチモーダルデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2022-08-03T14:05:20Z)
• Video Manipulations Beyond Faces: A Dataset with Human-Machine Analysis [60.13902294276283]
  我々は826の動画(413のリアルと413の操作)からなるデータセットであるVideoShamを提示する。 既存のディープフェイクデータセットの多くは、2種類の顔操作にのみ焦点をあてている。 我々の分析によると、最先端の操作検出アルゴリズムはいくつかの特定の攻撃に対してのみ有効であり、VideoShamではうまくスケールしない。
  論文  参考訳（メタデータ） (2022-07-26T17:39:04Z)
• Classifying YouTube Comments Based on Sentiment and Type of Sentence [0.0]
  我々は、よく知られた統計測度と機械学習モデルを用いて、YouTubeコメントからのテキスト抽出と分類の課題に対処する。 その結果,従来の手法を取り入れた手法が,コンテンツ制作者のチャンネルにおける視聴者エンゲージメント向上に有効であることを示す。
  論文  参考訳（メタデータ） (2021-10-31T18:08:10Z)
• VPN: Video Provenance Network for Robust Content Attribution [72.12494245048504]
  VPN - オンラインで共有されているビデオから出典情報を復元するコンテンツ属性手法を提案する。 完全長あるいは切り離されたビデオクエリを用いて,このようなビデオのマッチングに頑健な検索埋め込みを学習する。 一度ビデオクリップの信頼できるデータベースにマッチすると、そのクリップの出所に関する関連情報がユーザに提示される。
  論文  参考訳（メタデータ） (2021-09-21T09:07:05Z)
• Less is More: ClipBERT for Video-and-Language Learning via Sparse Sampling [98.41300980759577]
  ビデオと言語の学習に対する標準的なアプローチは、オフラインで抽出された高密度ビデオ機能から学習するニューラルネットワークを規定する。 本稿では,ビデオ・言語タスクに対して,手頃なエンドツーエンド学習を可能にする汎用フレームワークClipBERTを提案する。 6つのデータセットにおけるテキスト・ビデオ検索とビデオ質問応答の実験は、ClipBERTが既存の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2021-02-11T18:50:16Z)
• YouNiverse: Large-Scale Channel and Video Metadata from English-Speaking YouTube [15.03145814947425]
  YouNiverseは、英語のYouTubeのチャンネルとビデオメタデータの大規模なコレクションである。 2005年5月から2019年10月までに発行された136Kチャンネルと72.9Mビデオのメタデータで構成されている。 データセットには、コメントされた4億4900万人の匿名ユーザのセットのビデオを指定するテーブルも含まれている。
  論文  参考訳（メタデータ） (2020-12-18T17:46:47Z)
• Understanding YouTube Communities via Subscription-based Channel Embeddings [0.0]
  本稿では,YouTubeチャンネルの発見と分類を行う新しい手法を提案する。 これらの手法は、コメントの公開購読ページを活用する自己教師付き学習アプローチを使用する。 異なる政治コンテンツへのトラフィック量を分析するために、新しいデータセットを作成します。
  論文  参考訳（メタデータ） (2020-10-19T22:00:04Z)
• Mi YouTube es Su YouTube? Analyzing the Cultures using YouTube Thumbnails of Popular Videos [98.87558262467257]
  本研究では,YouTubeのトレンド動画のサムネイルを用いて,各国の文化選好について検討した。 実験の結果、類似文化のユーザーはYouTubeで同様のビデオを見ることに興味を持っていることがわかった。
  論文  参考訳（メタデータ） (2020-01-27T20:15:57Z)

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。