論文の概要: Temporal Analysis of Drifting Hashtags in Textual Data Streams: A Graph-Based Application

• arxiv url: http://arxiv.org/abs/2402.10230v2
• Date: Fri, 16 Aug 2024 18:55:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-21 03:37:26.337738
• Title: Temporal Analysis of Drifting Hashtags in Textual Data Streams: A Graph-Based Application
• Title（参考訳）: テキストデータストリームにおけるドリフトハッシュタグの時間的解析:グラフベースアプリケーション
• Authors: Cristiano M. Garcia, Alceu de Souza Britto Jr, Jean Paul Barddal,
• Abstract要約: グラフ解析とテキストデータストリームの概念を用いてハッシュタグのドリフトを時間とともに分析する。 我々のアプローチは、ソーシャルメディア上のエンティティに関する意見や感情パターンの変化を、時間とともに監視するのに有用である。 2021年は、コミュニティが発見し、それぞれのサイズから、#mybodymychoiceがワクチン接種やコビッド19関連のトピックにかなりの流れがあったことが示唆された。
• 参考スコア（独自算出の注目度）: 2.94944680995069
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Initially supported by Twitter, hashtags are now used on several social media platforms. Hashtags are helpful for tagging, tracking, and grouping posts on similar topics. In this paper, based on a hashtag stream regarding the hashtag #mybodymychoice, we analyze hashtag drifts over time using concepts from graph analysis and textual data streams using the Girvan-Newman method to uncover hashtag communities in annual snapshots between 2018 and 2022. In addition, we offer insights about some correlated hashtags found in the study. Our approach can be useful for monitoring changes over time in opinions and sentiment patterns about an entity on social media. Even though the hashtag #mybodymychoice was initially coupled with women's rights, abortion, and bodily autonomy, we observe that it suffered drifts during the studied period across topics such as drug legalization, vaccination, political protests, war, and civil rights. The year 2021 was the most significant drifting year, in which the communities detected and their respective sizes suggest that #mybodymychoice had a significant drift to vaccination and Covid-19-related topics.
• Abstract（参考訳）: Twitterが最初にサポートしたハッシュタグは、今では複数のソーシャルメディアプラットフォームで使われている。 ハッシュタグは、類似トピックのタグ付け、トラッキング、グループ化に役立ちます。 本稿では,ハッシュタグ#mybodymychoiceに関するハッシュタグストリームに基づいて,2018年から2022年にかけての年次スナップショットにおけるハッシュタグコミュニティを明らかにするために,Girvan-Newman法を用いて,グラフ解析とテキストデータストリームの概念を用いてハッシュタグドリフトを経時的に分析する。 また,本研究で発見されたハッシュタグの関連性についても考察した。 我々のアプローチは、ソーシャルメディア上のエンティティに関する意見や感情パターンの変化を、時間とともに監視するのに有用である。 ハッシュタグ#mybodymychoiceは、当初は女性の権利、中絶、身体自治と結びついていたが、我々は、薬物の合法化、予防接種、政治抗議、戦争、公民権など、研究期間中に漂流したことを観察した。 2021年は、コミュニティが発見し、それぞれのサイズから、#mybodymychoiceがワクチン接種やコビッド19関連のトピックに顕著な流れがあったことが示唆された、最も重要な漂流年であった。

関連論文リスト

• RIGHT: Retrieval-augmented Generation for Mainstream Hashtag Recommendation [76.24205422163169]
  我々はRIGHT(RetrIeval-augmented Generative Mainstream HashTag Recommender)を提案する。 RIGHTは3つのコンポーネントから構成される: 1) 検索者は、ツイートハッシュタグセット全体から関連するハッシュタグを検索する; 2) セレクタは、グローバル信号を導入して、メインストリームの識別を強化する; 3) ジェネレータは入力されたつぶやきと選択されたハッシュタグを組み込んで、目的のハッシュタグを直接生成する。 さらに,RIGHTを大規模言語モデルに統合することで,ChatGPTの性能を10%以上向上させることができる。
  論文  参考訳（メタデータ） (2023-12-16T14:47:03Z)
• Effects of Algorithmic Trend Promotion: Evidence from Coordinated Campaigns in Twitter's Trending Topics [5.524750830120598]
  トレンドトピックページに現れるハッシュタグが、そのハッシュタグで生成されたツイート数に与える影響について検討する。 統計学的に有意だが控えめなところは、トレンドトピックに特徴付けられるハッシュタグに戻ることにある。
  論文  参考訳（メタデータ） (2023-04-08T15:22:36Z)
• Hashtag-Guided Low-Resource Tweet Classification [31.810562621519804]
  ハッシュタグ誘導型つぶやき分類モデル(HashTation)を提案する。 HashTationは、入力ツイートの有意義なハッシュタグを自動的に生成し、ツイート分類に有用な補助信号を提供する。 実験によると、HashTationは7つの低リソースのつぶやき分類タスクで大幅に改善されている。
  論文  参考訳（メタデータ） (2023-02-20T18:21:02Z)
• Attend and Select: A Segment Attention based Selection Mechanism for Microblog Hashtag Generation [69.73215951112452]
  ハッシュタグは、原文の様々な断片的な部分に由来する可能性のあるトークンまたはフレーズによって形成される。 本稿では,エンコーディング,セグメント選択,デコードという3つのフェーズからなるエンドツーエンドのトランスフォーマーベース生成モデルを提案する。 中国語のWeiboと英語のTwitterから新たに収集した2つの大規模ハッシュタグ生成データセットを紹介する。
  論文  参考訳（メタデータ） (2021-06-06T15:13:58Z)
• Towards A Sentiment Analyzer for Low-Resource Languages [0.0]
  本研究は,当時盛んに議論されてきた特定のトレンドトピックに対して,ユーザの感情を分析することを目的としている。 2019年のインドネシア大統領選挙で話題になったハッシュタグのtextit#kpujangancurangを使っています。 本研究は,ラピッドマイニングツールを用いて,Twitterデータを生成し,Nieve Bayes,K-Nearest Neighbor,Decision Tree,Multi-Layer Perceptronの分類手法を比較し,Twitterデータの感情を分類する。
  論文  参考訳（メタデータ） (2020-11-12T13:50:00Z)
• Hit ratio: An Evaluation Metric for Hashtag Recommendation [6.746400031322727]
  我々はハッシュタグ推薦のためのヒット比と呼ばれる新しい指標を提案する。 ハッシュタグレコメンデーションの分野での研究の多くは、ヒット率、精度、リコール、F1スコアといった古典的な指標を使用してきた。 ヒット率と古典的評価指標を比較すると,その限界が明らかになる。
  論文  参考訳（メタデータ） (2020-10-03T02:07:41Z)
• Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
  本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。 議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。 我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
  論文  参考訳（メタデータ） (2020-04-20T20:00:27Z)
• Whose Tweets are Surveilled for the Police: An Audit of Social-Media Monitoring Tool via Log Files [69.02688684221265]
  我々はCorvallis (Oregon) Police DepartmentによるDigitalStakeoutというソーシャルメディア監視ソフトウェアの使用からログファイルを入手した。 これらのログファイルには、DigitalStakeoutによるプロプライエタリな検索の結果が含まれている。 ツイートがDigitalStakeoutによってフラグ付けされているユーザーの人口統計と、地域のTwitterユーザーの人口統計との差異を観察する。
  論文  参考訳（メタデータ） (2020-01-23T19:35:12Z)
• #MeToo on Campus: Studying College Sexual Assault at Scale Using Data Reported on Social Media [71.74529365205053]
  我々は、#トレンドが大学フォロワーのプールに与える影響を分析した。 その結果、これらの#ツイートに埋め込まれたトピックの大部分は、セクシャルハラスメントのストーリーを詳述している。 この傾向といくつかの主要地理的地域に関する公式な報告との間には大きな相関関係がある。
  論文  参考訳（メタデータ） (2020-01-16T18:05:46Z)
• On Identifying Hashtags in Disaster Twitter Data [55.17975121160699]
  我々は,行動可能な情報をフィルタリングするのに有用なハッシュタグを付加した災害関連ツイートのユニークなデータセットを構築した。 このデータセットを用いて,マルチタスク学習フレームワークにおける長期記憶モデルについて検討する。 最高のパフォーマンスモデルでは、F1スコアは92.22%に達する。
  論文  参考訳（メタデータ） (2020-01-05T22:37:17Z)

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。