論文の概要: PopALM: Popularity-Aligned Language Models for Social Media Trendy Response Prediction

• arxiv url: http://arxiv.org/abs/2402.18950v1
• Date: Thu, 29 Feb 2024 08:28:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-01 15:32:58.107012
• Title: PopALM: Popularity-Aligned Language Models for Social Media Trendy Response Prediction
• Title（参考訳）: PopALM:ソーシャルメディアトレンド対応予測のための人気言語モデル
• Authors: Erxin Yu, Jing Li, Chunpu Xu
• Abstract要約: 本研究では,ソーシャルメディアイベントに対するトップライクなユーザ応答を自動的に生成するためのトレンド応答予測について検討する。 PopALM(Popularity-Aligned Language Models)を提案する。 実験では,トレンド応答予測のための大規模Weiboデータセットを構築し,その結果から,PopALMが高度な言語モデルの性能向上に役立つことが示された。
• 参考スコア（独自算出の注目度）: 6.979995957338177
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media platforms are daily exhibiting millions of events. To preliminarily predict the mainstream public reaction to these events, we study trendy response prediction to automatically generate top-liked user replies to social media events. While previous works focus on generating responses without factoring in popularity, we propose Popularity-Aligned Language Models (PopALM) to distinguish responses liked by a larger audience through reinforcement learning. Recognizing the noisy labels from user "likes", we tailor-make curriculum learning in proximal policy optimization (PPO) to help models capture the essential samples for easy-to-hard training. In experiments, we build a large-scale Weibo dataset for trendy response prediction, and its results show that PopALM can help boost the performance of advanced language models.
• Abstract（参考訳）: ソーシャルメディアプラットフォームは毎日何百万ものイベントを展示している。 これらのイベントに対する一般の反応を事前に予測するために,トレンド応答予測を研究し,ソーシャルメディアイベントに対するトップライクな応答を自動的に生成する。 従来の研究は人気を左右しない応答生成に重点を置いていたが,我々は,強化学習を通じて大観衆が好む応答を識別するために,人気言語モデル(PopALM)を提案する。 ユーザの"likes"からノイズの多いラベルを認識することで,PPO(Phyximal Policy Optimization)のカリキュラムをカスタマイズして,モデルが必要不可欠なサンプルを抽出し,学習しやすくする。 実験では,トレンド応答予測のための大規模Weiboデータセットを構築し,PopALMが高度な言語モデルの性能向上に役立つことを示す。

関連論文リスト

• Speechworthy Instruction-tuned Language Models [71.8586707840169]
  提案手法は,学習の促進と嗜好の両面において,一般的な命令調整型LLMの音声適合性の向上を図っている。 我々は,各手法が生成した応答の音声適合性向上にどのように貢献するかを示すために,語彙的,構文的,定性的な分析を共有する。
  論文  参考訳（メタデータ） (2024-09-23T02:34:42Z)
• Evolving to the Future: Unseen Event Adaptive Fake News Detection on Social Media [27.236656042545796]
  textbfFuture textbfADaptive textbfEvent-based Fake News Detection (FADE) framework。 具体的には、適応的拡張戦略とグラフコントラスト学習を用いて目標予測器を訓練し、高品質な特徴を得る。 我々は、イベントのみ予測器の出力を目標予測器の出力から引いて最終的な予測値を得ることにより、イベントバイアスをさらに軽減する。
  論文  参考訳（メタデータ） (2024-02-29T06:40:53Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Organized Event Participant Prediction Enhanced by Social Media Retweeting Data [8.675064911866201]
  本稿では、ソーシャルメディアのリツイート活動データを利用して、イベント参加者予測モデルの学習を強化することを提案する。 実世界データを用いた総合的な実験を2つのシナリオで実施する。
  論文  参考訳（メタデータ） (2023-10-02T04:26:07Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)
• SimOAP: Improve Coherence and Consistency in Persona-based Dialogue Generation via Over-sampling and Post-evaluation [54.66399120084227]
  大規模コーパスで訓練された言語モデルは、オープンドメイン対話において驚くほど流動的な結果を生み出すことができる。 ペルソナに基づく対話生成タスクでは、一貫性と一貫性が言語モデルにとって大きな課題である。 オーバーサンプリングとポスト評価という2段階のSimOAP戦略が提案されている。
  論文  参考訳（メタデータ） (2023-05-18T17:23:00Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Towards Proactively Forecasting Sentence-Specific Information Popularity within Online News Documents [13.537665342333488]
  本稿では,オンラインニュース文書中の文の人気を積極的に予測するタスクについて紹介する。 モデルをトレーニングするために、我々はInfoPopをキュレートする。 本稿では,文のサリエンス予測を補助課題とする転帰学習手法を提案する。
  論文  参考訳（メタデータ） (2022-12-31T08:40:08Z)
• TwHIN-BERT: A Socially-Enriched Pre-trained Language Model for Multilingual Tweet Representations at Twitter [31.698196219228024]
  TwHIN-BERTはTwitterで制作された多言語言語モデルである。 私たちのモデルは、100以上の異なる言語をカバーする70億のツイートで訓練されています。 我々は,多言語ソーシャルレコメンデーションと意味理解タスクにおけるモデルの評価を行った。
  論文  参考訳（メタデータ） (2022-09-15T19:01:21Z)
• Dialogue Response Ranking Training with Large-Scale Human Feedback Data [52.12342165926226]
  ソーシャルメディアのフィードバックデータを利用して、フィードバック予測のための大規模なトレーニングデータセットを構築します。 我々は,1300万対の人間のフィードバックデータに基づくGPT-2モデルであるDialogRPTを訓練した。 我々のランキングは、Redditのフィードバックを予測する上で、従来のダイアログの難易度ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2020-09-15T10:50:05Z)
• On the Limits to Multi-Modal Popularity Prediction on Instagram -- A New Robust, Efficient and Explainable Baseline [5.859055059050023]
  人口ベースの人気予測のための,頑健で効率的で説明可能なベースラインを提示する。 我々は,コンピュータビジョンにおける最新の手法を用いて,視覚的モダリティから抽出した情報を最大化する。 われわれの最強のモデルは、Instagramの人口ベースの人気予測可能性に限界があることを示唆している。
  論文  参考訳（メタデータ） (2020-04-26T21:21:50Z)

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。

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。