Fugu-MT 論文翻訳(概要): What we can learn from TikTok through its Research API

論文の概要: What we can learn from TikTok through its Research API

arxiv url: http://arxiv.org/abs/2402.13855v1
Date: Wed, 21 Feb 2024 14:59:49 GMT
ステータス: 処理完了
システム内更新日: 2024-02-22 14:52:45.102778
Title: What we can learn from TikTok through its Research API
Title（参考訳）: TikTokがResearch APIで学んだこと
Authors: Francesco Corso, Francesco Pierri, Gianmarco De Francisci Morales
Abstract要約: 最近リリースされた無料のResearch APIは、投稿されたビデオ、関連コメント、ユーザーアクティビティのデータを収集するためのドアを開く。本研究は,TikTokビデオのランダムなサンプルを6年間にわたって収集し,分析することにより,Research APIが返す結果の信頼性を評価することに焦点を当てた。
参考スコア（独自算出の注目度）: 3.848947060636351
License: http://creativecommons.org/licenses/by/4.0/
Abstract: TikTok is a social media platform that has gained immense popularity over the last few years, particularly among younger demographics, due to the viral trends and challenges shared worldwide. The recent release of a free Research API opens doors to collect data on posted videos, associated comments, and user activities. Our study focuses on evaluating the reliability of results returned by the Research API, by collecting and analyzing a random sample of TikTok videos posted in a span of 6 years. Our preliminary results are instrumental for future research that aims to study the platform, highlighting caveats on the geographical distribution of videos and on the global prevalence of viral hashtags.
Abstract（参考訳）: TikTokはソーシャルメディアプラットフォームで、近年、特に若年層で人気が高まっている。最近リリースされた無料のResearch APIは、投稿されたビデオ、関連コメント、ユーザーアクティビティのデータを集めるためのドアを開く。本研究は,TikTokビデオのランダムなサンプルを6年間にわたって収集し,分析することにより,Research APIが返す結果の信頼性を評価することに焦点を当てた。我々の予備的な成果は、ビデオの地理的分布と、ウイルスハッシュタグの世界的な普及に注意を払って、プラットフォームの研究を目的とした将来の研究に役立つ。

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)
HOTVCOM: Generating Buzzworthy Comments for Videos [49.39846630199698]
この研究は、中国最大のビデオコンテンツデータセットであるtextscHotVComを紹介し、94万の多様なビデオと1億1700万のコメントからなる。また、中国語のビデオデータセット上で、視覚的、聴覚的、テキスト的データを相乗的に統合し、影響力のあるホットコンテンツを生成するtexttComHeatフレームワークを提案する。
論文参考訳（メタデータ） (2024-09-23T16:45:13Z)
Conspiracy theories and where to find them on TikTok [3.424635462664968]
TikTokがオンラインの有害で危険なコンテンツを宣伝し、増幅する可能性を懸念する声が上がっている。本研究は、陰謀論を推し進める動画の存在を分析し、その有病率を低く見積もっている。ビデオの音声の書き起こしを抽出した後の陰謀論を識別するために,最先端のオープン言語モデルの有効性を評価する。
論文参考訳（メタデータ） (2024-07-17T13:28:11Z)
Vertical Federated Learning for Effectiveness, Security, Applicability: A Survey [67.48187503803847]
Vertical Federated Learning(VFL)は、プライバシ保護のための分散学習パラダイムである。近年の研究では、VFLの様々な課題に対処する有望な成果が示されている。この調査は、最近の展開を体系的に概観する。
論文参考訳（メタデータ） (2024-05-25T16:05:06Z)
SMP Challenge: An Overview and Analysis of Social Media Prediction Challenge [63.311045291016555]
ソーシャルメディアの人気予測(SMPP)は、オンライン投稿の今後の人気値を自動予測する重要なタスクである。本稿では,課題,データ,研究の進展について要約する。
論文参考訳（メタデータ） (2024-05-17T02:36:14Z)
An Empirical Investigation of Personalization Factors on TikTok [77.34726150561087]
TikTokのアルゴリズムがプラットフォームの成功とコンテンツの配布に重要であるにもかかわらず、アルゴリズムの実証的な分析はほとんど行われていない。我々は,私たちが開発したカスタムアルゴリズムを用いたソック・パペット・監査手法を用いて,TikTokへのアクセスに使用される言語と位置情報の効果を検証,分析した。その結果,フォローフェールが最も強い影響を受けており,ライクフェールやビデオ視聴率が高いことが判明した。
論文参考訳（メタデータ） (2022-01-28T17:40:00Z)
DFW-PP: Dynamic Feature Weighting based Popularity Prediction for Social Media Content [4.348651617004765]
ソーシャルメディアプラットフォーム上でのコンテンツの過度な飽和は、コンテンツの人気に影響を与える重要な要因を特定するよう私たちを説得してきた。 DFW-PPフレームワークを提案し、時間とともに異なる特徴の重要性を学習する。提案手法は,有望な結果を示すベンチマークデータセットを用いて実験を行った。
論文参考訳（メタデータ） (2021-10-16T08:40:58Z)
Challenges in biomarker discovery and biorepository for Gulf-war-disease studies: a novel data platform solution [48.7576911714538]
ROSALINDという新しいデータプラットフォームを導入し、課題を克服し、健全で重要なコラボレーションを育み、科学的調査を進めます。 ROSALINDは、自己管理されたアクセシビリティ、リンク性、可積分性、中立性、信頼性を持つリソース有機体を指します。過去12ヶ月のGWI研究におけるROSALINDの展開により、データ実験と分析のペースが加速し、多数のエラーソースが削除され、研究品質と生産性が向上しました。
論文参考訳（メタデータ） (2021-02-04T20:38:30Z)
Post or Tweet: Lessons from a Study of Facebook and Twitter Usage [9.888864336862385]
このワークショップでは、FacebookとTwitterという、おそらく最も人気のある2つのソーシャルネットワークサイトについて、現在進行中の混合調査についてレポートする。この研究の目的は、参加者のモチベーションに関する調査データとAPI抽出を通じて収集された利用データを組み合わせることで、ソーシャルメディアの選択とクロスプラットフォーム利用のニュアンスに光を当てることである。
論文参考訳（メタデータ） (2020-11-27T15:55:02Z)
Using social media to measure demographic responses to natural disaster: Insights from a large-scale Facebook survey following the 2019 Australia Bushfires [3.441021278275805]
われわれは、Facebookアプリ自体を通じて、ディスアスター後の人口統計と経済効果を迅速に調査する。これらの調査回答は、Facebook Displacement Mapsを含むアプリ由来のモビリティデータを強化するために使用します。我々は、変位決定やタイミングなど、重要な領域のいくつかの違いを明らかにした。
論文参考訳（メタデータ） (2020-08-09T05:55:26Z)

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。