Fugu-MT 論文翻訳(概要): Topics evolution through multilayer networks; Analysing 2M tweets from 2022 Qatar FIFA World Cup

論文の概要: Topics evolution through multilayer networks; Analysing 2M tweets from 2022 Qatar FIFA World Cup

arxiv url: http://arxiv.org/abs/2401.12228v1
Date: Mon, 15 Jan 2024 20:33:12 GMT
ステータス: 処理完了
システム内更新日: 2024-01-28 15:41:37.941155
Title: Topics evolution through multilayer networks; Analysing 2M tweets from 2022 Qatar FIFA World Cup
Title（参考訳）: マルチ層ネットワークによるトピックの進化 : 2022年カタールFIFAワールドカップの200万ツイートの分析
Authors: Andrea Russo, Vincenzo Miracula and Antonio Picone
Abstract要約: データをトーナメントのステージに対応するレイヤに構造化し,Gephiソフトウェアを用いて多層ネットワークを生成する。我々の可視化では、話題と単語の関連性を示し、単語とコンテキストの関係を示すとともに、最も頻繁に議論されるトピックの層による時間的変動を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this study, we conducted a comprehensive data collection on the 2022 Qatar FIFA World Cup event and used a multilayer network approach to visualize the main topics, while considering their context and meaning relationships. We structured the data into layers that corresponded with the stages of the tournament and utilized Gephi software to generate the multilayer networks. Our visualizations displayed both the relationships between topics and words, showing the word-context relationship, as well as the dynamics and changes over time by layer of the most frequently discussed topics.
Abstract（参考訳）: 本研究では,2022年カタールのfifaワールドカップイベントに関する総合的なデータ収集を行い,それらの文脈と意味の関係を考慮しつつ,主要なトピックを可視化する多層ネットワークアプローチを用いた。トーナメントのステージに対応するレイヤにデータを構造化し,gephiソフトウェアを用いて多層ネットワークを生成する。我々の可視化では、話題と単語の関連性を示し、単語とコンテキストの関係と、最も頻繁に議論されるトピックの層による時間的変化を示した。

関連論文リスト

Multivariate time series classification with dual attention network [0.0]
本研究では,時系列分類のための局所的特徴とグローバルな特徴を抽出する新しいネットワーク(DA-Net)を探索する。 DA-Netを構成する2つの異なるレイヤは、Squeeze-Excitation Window Attention(SEWA)層とWindows(SSAW)層内のSparse Self-Attention(SSAW)層である。
論文参考訳（メタデータ） (2023-08-26T22:47:46Z)
Learning to Model Multimodal Semantic Alignment for Story Visualization [58.16484259508973]
ストーリービジュアライゼーションは、複数文のストーリーで各文をナレーションする一連の画像を生成することを目的としている。現在の作業は、その固定されたアーキテクチャと入力モダリティの多様性のため、セマンティックなミスアライメントの問題に直面している。 GANに基づく生成モデルにおいて,テキストと画像表現のセマンティックアライメントを学習し,それらのセマンティックレベルを一致させる方法について検討する。
論文参考訳（メタデータ） (2022-11-14T11:41:44Z)
TeKo: Text-Rich Graph Neural Networks with External Knowledge [75.91477450060808]
外部知識を用いた新しいテキストリッチグラフニューラルネットワーク(TeKo)を提案する。まず、高品質なエンティティを組み込んだフレキシブルな異種セマンティックネットワークを提案する。次に、構造化三重項と非構造化実体記述という2種類の外部知識を導入する。
論文参考訳（メタデータ） (2022-06-15T02:33:10Z)
Semi-Supervised Deep Learning for Multiplex Networks [20.671777884219555]
多重ネットワークは複雑なグラフ構造であり、エンティティの集合が複数のタイプの関係によって相互に接続される。マルチプレックスネットワーク上の構造認識表現学習のための,新しい半教師付き手法を提案する。
論文参考訳（メタデータ） (2021-10-05T13:37:43Z)
MLBiNet: A Cross-Sentence Collective Event Detection Network [9.929840613301987]
イベントとセマンティック情報の文書レベルの関連を同時に捉えるために,MLBiNet(Multi-Layer Bidirectional Network)を提案する。提案手法は,現状の成果と比較して,性能が大幅に向上していることを示す。
論文参考訳（メタデータ） (2021-05-20T02:29:03Z)
Dynamic Network Embedding Survey [11.742863376032112]
本稿では,動的ネットワークの埋め込みに関する調査を行う。動的ネットワークのための2つの基本データモデル、すなわち離散モデルと連続モデルを提案する。典型的な学習モデルによって分類階層を洗練させる分類法を構築する。
論文参考訳（メタデータ） (2021-03-29T09:27:53Z)
VLG-Net: Video-Language Graph Matching Network for Video Grounding [57.6661145190528]
ビデオにおける言語クエリのグラウンディングは、言語クエリに関連する時間間隔(またはモーメント)を特定することを目的としている。我々はこの問題をアルゴリズム的なグラフマッチング問題に再キャストする。広範に使用されている3つのデータセットに対して,最先端の接地手法よりも優れた性能を示す。
論文参考訳（メタデータ） (2020-11-19T22:32:03Z)
Cultural Convergence: Insights into the behavior of misinformation networks on Twitter [0.7646713951724009]
新型コロナウイルスのパンデミックを取り巻くTwitterデータを解析するために、ネットワークマッピング、トピックモデリング、ブリッジング中央性、分散からなるマルチモーダルパイプラインを使用します。我々は、ネットワークマッピングを用いて、COVID-19を取り巻くコンテンツを生成するアカウントを検出し、次にレイト・ディリクレ・アロケーションを使用してトピックを抽出し、トピックと非トピックのブリッジを識別するために中心性をブリッジする。
論文参考訳（メタデータ） (2020-07-07T13:50:24Z)
Bidirectional Graph Reasoning Network for Panoptic Segmentation [126.06251745669107]
本稿では,BGRNet(Bidirectional Graph Reasoning Network)を導入し,前景物と背景物間のモジュラー内およびモジュラー間関係について検討する。 BGRNetはまず、インスタンスとセマンティックセグメンテーションの両方でイメージ固有のグラフを構築し、提案レベルとクラスレベルで柔軟な推論を可能にする。
論文参考訳（メタデータ） (2020-04-14T02:32:10Z)
Latent Normalizing Flows for Many-to-Many Cross-Domain Mappings [76.85673049332428]
画像とテキストの合同表現の学習は、画像キャプションのようないくつかの重要なドメイン横断タスクのバックボーンを形成する。ドメイン間の共有情報とドメイン固有の情報を個別にモデル化する,新しい半教師付きフレームワークを提案する。画像キャプションやテキスト・ツー・イメージ合成など,様々なタスクにおけるモデルの有効性を示す。
論文参考訳（メタデータ） (2020-02-16T19:49:30Z)
See More, Know More: Unsupervised Video Object Segmentation with Co-Attention Siamese Networks [184.4379622593225]
教師なしビデオオブジェクトセグメンテーションタスクに対処するため,CO-attention Siamese Network (COSNet) と呼ばれる新しいネットワークを導入する。我々は,ビデオフレーム間の固有相関の重要性を強調し,グローバルなコアテンション機構を取り入れた。本稿では、ビデオ内のリッチなコンテキストをマイニングするために、異なるコアテンションの変種を導出する、統一的でエンドツーエンドのトレーニング可能なフレームワークを提案する。
論文参考訳（メタデータ） (2020-01-19T11:10:39Z)

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。