Fugu-MT 論文翻訳(概要): MIDDAG: Where Does Our News Go? Investigating Information Diffusion via Community-Level Information Pathways

論文の概要: MIDDAG: Where Does Our News Go? Investigating Information Diffusion via Community-Level Information Pathways

arxiv url: http://arxiv.org/abs/2310.02529v2
Date: Tue, 20 Feb 2024 19:48:15 GMT
ステータス: 処理完了
システム内更新日: 2024-02-22 20:16:08.904248
Title: MIDDAG: Where Does Our News Go? Investigating Information Diffusion via Community-Level Information Pathways
Title（参考訳）: MIDDAG:私たちのニュースはどこへ行くのか? コミュニティレベル情報経路による情報拡散の調査
Authors: Mingyu Derek Ma, Alexander K. Taylor, Nuan Wen, Yanchen Liu, Po-Nien Kung, Wenna Qin, Shicheng Wen, Azure Zhou, Diyi Yang, Xuezhe Ma, Nanyun Peng, Wei Wang
Abstract要約: 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。
参考スコア（独自算出の注目度）: 114.42360191723469
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present MIDDAG, an intuitive, interactive system that visualizes the information propagation paths on social media triggered by COVID-19-related news articles accompanied by comprehensive insights, including user/community susceptibility level, as well as events and popular opinions raised by the crowd while propagating the information. Besides discovering information flow patterns among users, we construct communities among users and develop the propagation forecasting capability, enabling tracing and understanding of how information is disseminated at a higher level.
Abstract（参考訳）: middagは、新型コロナウイルス(covid-19)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の情報伝達経路を視覚化し、ユーザ/コミュニティの感受性レベルや、情報伝達中に群衆によって提起されたイベントや世論などを総合的に可視化する、直感的でインタラクティブなシステムである。ユーザ間の情報フローパターンの発見に加えて,ユーザ間のコミュニティを構築し,伝播予測能力を開発し,情報の伝達方法の追跡と理解を可能にした。

関連論文リスト

Bridged-GNN: Knowledge Bridge Learning for Effective Knowledge Transfer [65.42096702428347]
グラフニューラルネットワーク(GNN)は、隣接するノードから情報を集約する。知識ブリッジ学習(KBL)は、対象ドメインに対する知識強化後部分布を学習する。 Bridged-GNNには、Bridged-Graphを構築するためのAdaptive Knowledge Retrievalモジュールと、Graph Knowledge Transferモジュールが含まれている。
論文参考訳（メタデータ） (2023-08-18T12:14:51Z)
Predicting Information Pathways Across Online Communities [23.48675035152965]
コミュニティレベルの情報経路予測(CLIPP)の課題は、オンラインコミュニティにおけるコンテンツの伝達経路を予測することである。大規模なマルチモーダルデータセットを分析し,Reddit上のオンラインYouTubeビデオの拡散について検討した。我々は、CIGを組み込んだ新しい動的グラフフレームワークINPACを開発し、ビデオ伝搬の時間的変動とマルチモーダルな性質を捉える。
論文参考訳（メタデータ） (2023-06-04T04:41:02Z)
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)
IGNiteR: News Recommendation in Microblogging Applications (Extended Version) [3.2108350580418166]
我々は、インフルエンスグラフニュースレコメンダ(IGNiteR)と呼ばれる、拡散と影響を意識したディープラーニングに基づくアプローチを提案する。このニュースを表現するために、マルチレベルアテンションベースのエンコーダを使用して、ユーザの異なる関心事を明らかにする。実世界の2つのデータセットに対して広範な実験を行い、IGNiteRが最先端のディープラーニングベースのニュースレコメンデーション手法より優れていることを示す。
論文参考訳（メタデータ） (2022-10-04T22:33:58Z)
Explaining Website Reliability by Visualizing Hyperlink Connectivity [18.233714306827736]
MisVisはWebベースのインタラクティブな視覚化ツールで、ユーザがWebサイトの信頼性を評価するのに役立つ。 MisVisはウェブサイトのハイパーリンク接続を視覚化し、サイトに言及するTwitterアカウントの重要な特徴を要約する。 139人の参加者による大規模なユーザスタディは、MisVisがWeb上での偽情報の評価と理解を促進することを実証している。
論文参考訳（メタデータ） (2022-10-01T01:39:08Z)
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)
Named Entity Recognition for Social Media Texts with Semantic Augmentation [70.44281443975554]
名前付きエンティティ認識のための既存のアプローチは、短いテキストと非公式テキストで実行される場合、データ空間の問題に悩まされる。そこで我々は,NER によるソーシャルメディアテキストに対するニューラルベースアプローチを提案し,ローカルテキストと拡張セマンティクスの両方を考慮に入れた。
論文参考訳（メタデータ） (2020-10-29T10:06:46Z)
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)
Network Inference from a Mixture of Diffusion Models for Fake News Mitigation [12.229596498611837]
人を騙し、世論に影響を与え、社会的成果を操ることを目的とした偽ニュースの普及は、ソーシャルメディアに迫る問題となっている。本稿では,フェイクニュース緩和のためのネットワーク介入を容易にするために,偽コンテンツの拡散ダイナミクスの理解と活用に焦点をあてる。
論文参考訳（メタデータ） (2020-08-08T05:59:25Z)
Exposure to Social Engagement Metrics Increases Vulnerability to Misinformation [12.737240668157424]
ソーシャルエンゲージメント(ソーシャルエンゲージメント)への露出は、ユーザの誤情報に対する脆弱性を増大させる。誤報の拡散を減らすため、われわれはソーシャルエンゲージメント指標の表示を再考するよう技術プラットフォームに求めている。
論文参考訳（メタデータ） (2020-05-10T14:55:50Z)

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。