論文の概要: Discovering Latent Themes in Social Media Messaging: A Machine-in-the-Loop Approach Integrating LLMs

• arxiv url: http://arxiv.org/abs/2403.10707v2
• Date: Mon, 15 Jul 2024 12:14:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-17 01:35:33.456635
• Title: Discovering Latent Themes in Social Media Messaging: A Machine-in-the-Loop Approach Integrating LLMs
• Title（参考訳）: ソーシャルメディアメッセージングにおける潜在テーマの発見--LLMを統合したマシン・イン・ザ・ループアプローチ
• Authors: Tunazzina Islam, Dan Goldwasser,
• Abstract要約: ソーシャルメディアメッセージングにおける潜在テーマを明らかにするための新しいアプローチを提案する。 私たちの仕事は、ソーシャルメディアのダイナミックな性質に光を当て、現実の出来事に対するメッセージのテーマ的焦点の変化を明らかにします。
• 参考スコア（独自算出の注目度）: 22.976609127865732
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Grasping the themes of social media content is key to understanding the narratives that influence public opinion and behavior. The thematic analysis goes beyond traditional topic-level analysis, which often captures only the broadest patterns, providing deeper insights into specific and actionable themes such as "public sentiment towards vaccination", "political discourse surrounding climate policies," etc. In this paper, we introduce a novel approach to uncovering latent themes in social media messaging. Recognizing the limitations of the traditional topic-level analysis, which tends to capture only overarching patterns, this study emphasizes the need for a finer-grained, theme-focused exploration. Traditional theme discovery methods typically involve manual processes and a human-in-the-loop approach. While valuable, these methods face challenges in scalability, consistency, and resource intensity in terms of time and cost. To address these challenges, we propose a machine-in-the-loop approach that leverages the advanced capabilities of Large Language Models (LLMs). To demonstrate our approach, we apply our framework to contentious topics, such as climate debate and vaccine debate. We use two publicly available datasets: (1) the climate campaigns dataset of 21k Facebook ads and (2) the COVID-19 vaccine campaigns dataset of 9k Facebook ads. Our quantitative and qualitative analysis shows that our methodology yields more accurate and interpretable results compared to the baselines. Our results not only demonstrate the effectiveness of our approach in uncovering latent themes but also illuminate how these themes are tailored for demographic targeting in social media contexts. Additionally, our work sheds light on the dynamic nature of social media, revealing the shifts in the thematic focus of messaging in response to real-world events.
• Abstract（参考訳）: ソーシャルメディアコンテンツのテーマをグラッピングすることは、世論や行動に影響を与える物語を理解するための鍵となる。 テーマ分析は、しばしば最も広いパターンのみを捉え、「予防接種に対する公的な感情」や「気候政策を取り巻く政治談話」といった、具体的で実行可能なテーマについて深い洞察を与える、伝統的なトピックレベルの分析に留まらない。 本稿では,ソーシャルメディアメッセージングにおける潜在テーマを明らかにするための新しいアプローチを提案する。 従来のトピックレベルの分析の限界を認識して、よりきめ細かなテーマ中心の探索の必要性を強調する。 伝統的なテーマ発見手法は、通常、手動のプロセスと人間のループへのアプローチを含む。 価値はあるものの、これらの手法は時間とコストの観点からスケーラビリティ、一貫性、リソース強度の課題に直面します。 これらの課題に対処するため,我々はLarge Language Models (LLMs) の高度な機能を活用するマシン・イン・ザ・ループアプローチを提案する。 当社のアプローチを実証するために,気候論争やワクチン論争といった論争的な話題に我々の枠組みを適用した。 1)Facebook広告21kの気候キャンペーンデータセットと、(2)Facebook広告9kの新型コロナウイルスワクチンキャンペーンデータセットである。 定量的および定性的な分析により,本手法はベースラインよりも精度が高く,解釈可能な結果をもたらすことが示された。 本研究の結果は,潜在テーマを明らかにする上でのアプローチの有効性を実証するだけでなく,ソーシャルメディアの文脈において,これらのテーマが階層的ターゲットにどのように適合しているかを示すものである。 さらに、私たちの仕事はソーシャルメディアのダイナミックな性質に光を当て、現実の出来事に対するメッセージのテーマ的焦点の変化を明らかにします。

関連論文リスト

• A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
  姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました 近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。 本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2024-09-24T03:06:25Z)
• Towards Scalable Topic Detection on Web via Simulating Levy Walks Nature of Topics in Similarity Space [55.97416108140739]
  類似性空間におけるLevi Walk自然をシミュレートすることで,グループトピックに対する新しい,しかし非常に強力なExplore-Exploit(EE)アプローチを提案する。 2つの公開データセットの実験により、我々の手法は、有効性の観点からは最先端の手法に匹敵するだけでなく、効率面では最先端の手法よりも著しく優れていることが示された。
  論文  参考訳（メタデータ） (2024-07-26T07:19:46Z)
• Uncovering Latent Arguments in Social Media Messaging by Employing LLMs-in-the-Loop Strategy [22.976609127865732]
  ソーシャルメディアは世論分析の自動化方法として人気が高まっている。 トピックモデリングのような公共の話題からテーマを抽出する伝統的な教師なしの手法は、しばしば特定のニュアンスを捉えない過度なパターンを明らかにする。 本稿では,大規模言語モデルの高度な機能を活用したLLMs-in-the-Loop戦略を提案する。
  論文  参考訳（メタデータ） (2024-04-16T03:26:43Z)
• Time Series Analysis of Key Societal Events as Reflected in Complex Social Media Data Streams [0.9790236766474201]
  本研究では,ニッチなソーシャルメディアプラットフォームであるGABと,確立されたメッセージングサービスであるTelegramの物語進化について検討する。 我々のアプローチは、複数のソーシャルメディアドメインを調査し、他の方法では見えない重要な情報を排除するための新しいモードである。 主な知見は,(1) 時間線をデコンストラクトして, 解釈を改善するための有用なデータ機能を提供すること,(2) 一般化の基盤を提供する方法論を適用すること,である。
  論文  参考訳（メタデータ） (2024-03-11T18:33:56Z)
• Social Convos: Capturing Agendas and Emotions on Social Media [1.6385815610837167]
  本稿では,特定のトピックを議論するユーザのグループ間を循環するメッセージから,影響指標を抽出する手法を提案する。 我々は、アジェンダ(制御)と感情言語の使用の2つの影響指標に焦点を当てる。
  論文  参考訳（メタデータ） (2024-02-23T19:14:09Z)
• SoMeLVLM: A Large Vision Language Model for Social Media Processing [78.47310657638567]
  ソーシャルメディア処理のための大規模ビジョン言語モデル(SoMeLVLM)を提案する。 SoMeLVLMは、知識と理解、応用、分析、評価、作成を含む5つの重要な機能を備えた認知フレームワークである。 実験により,複数のソーシャルメディアタスクにおいて,SoMeLVLMが最先端のパフォーマンスを達成できることが実証された。
  論文  参考訳（メタデータ） (2024-02-20T14:02:45Z)
• Recent Advances in Hate Speech Moderation: Multimodality and the Role of Large Models [52.24001776263608]
  この包括的調査は、HSモデレーションの最近の歩みを掘り下げている。 大型言語モデル(LLM)と大規模マルチモーダルモデル(LMM)の急成長する役割を強調した。 研究における既存のギャップを、特に表現不足言語や文化の文脈で特定する。
  論文  参考訳（メタデータ） (2024-01-30T03:51:44Z)
• Modeling Political Orientation of Social Media Posts: An Extended Analysis [0.0]
  オンラインソーシャルメディア上で政治的分極を特徴付ける機械学習モデルを開発することは、大きな課題である。 これらの課題は主に、注釈付きデータの欠如、ソーシャルメディアデータセットにおけるノイズの存在、膨大な量のデータなど、さまざまな要因に起因している。 本稿では、ソーシャルメディア投稿のラベル付けに、メディアバイアスと投稿コンテンツを活用する2つの方法を紹介する。 ソーシャルメディア投稿の政治的指向を予測することで,現在の機械学習モデルの性能向上を実証する。
  論文  参考訳（メタデータ） (2023-11-21T03:34:20Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• Contextualizing Emerging Trends in Financial News Articles [2.9483477138814287]
  新型コロナウイルス(COVID-19)パンデミックの開始前後に収集された、Microsoftに関する金融ニュース記事の新興トレンド検出に焦点を当てる。 データセットをアクセス可能にし、キーワードのペア間の類似性のダイナミクスを探索するための強力なベースラインを提案する。 我々は、このパンデミックがMicrosoftに与える影響について、金の標準(Google Trends)と、注目すべき実世界のシナリオについて評価する。
  論文  参考訳（メタデータ） (2023-01-20T12:56:52Z)
• Didn't see that coming: a survey on non-verbal social human behavior forecasting [47.99589136455976]
  近年,非言語的社会的行動予測が研究コミュニティの関心を集めている。 人間とロボットの相互作用や社会的に認識された人間のモーション生成への直接的な応用は、非常に魅力的な分野である。 本稿では,複数の対話エージェントに対する行動予測問題を,社会的信号予測と人間の動作予測の分野の統合を目的とした汎用的な方法で定義する。
  論文  参考訳（メタデータ） (2022-03-04T18:25:30Z)

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。