論文の概要: Detecting Calls to Action in Multimodal Content: Analysis of the 2021 German Federal Election Campaign on Instagram

• arxiv url: http://arxiv.org/abs/2409.02690v1
• Date: Wed, 4 Sep 2024 13:23:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-05 18:06:50.023367
• Title: Detecting Calls to Action in Multimodal Content: Analysis of the 2021 German Federal Election Campaign on Instagram
• Title（参考訳）: マルチモーダルコンテンツにおける通話の検知:2021年ドイツ連邦選挙運動の分析
• Authors: Michael Achmann-Denkler, Jakob Fehle, Mario Haim, Christian Wolff,
• Abstract要約: 本研究では,2021年のインスタグラム選挙キャンペーンにおいて,Calls to Actionの自動分類について検討した。 我々は、細調整されたBERTモデルとOpenAIのGPT-4モデルを用いて、2,208件のInstagramストーリーと712件の投稿を分析した。
• 参考スコア（独自算出の注目度）: 0.929965561686354
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study investigates the automated classification of Calls to Action (CTAs) within the 2021 German Instagram election campaign to advance the understanding of mobilization in social media contexts. We analyzed over 2,208 Instagram stories and 712 posts using fine-tuned BERT models and OpenAI's GPT-4 models. The fine-tuned BERT model incorporating synthetic training data achieved a macro F1 score of 0.93, demonstrating a robust classification performance. Our analysis revealed that 49.58% of Instagram posts and 10.64% of stories contained CTAs, highlighting significant differences in mobilization strategies between these content types. Additionally, we found that FDP and the Greens had the highest prevalence of CTAs in posts, whereas CDU and CSU led in story CTAs.
• Abstract（参考訳）: 本研究では、2021年のインスタグラム選挙キャンペーンにおいて、ソーシャルメディアの文脈におけるモビライゼーションの理解を促進するために、コール・トゥ・アクション(CTA)の自動分類について検討した。 我々は、細調整されたBERTモデルとOpenAIのGPT-4モデルを用いて、2,208件のInstagramストーリーと712件の投稿を分析した。 合成トレーニングデータを組み込んだ細調整BERTモデルはマクロF1スコア0.93を達成し、堅牢な分類性能を示した。 分析の結果、Instagramの投稿の49.58%と記事の10.64%がCTAを含んでおり、これらのコンテンツタイプ間でのモビライゼーション戦略に大きな違いがあることが明らかになった。 さらに,FDPとグリーンズはCTAの頻度が最も高かったのに対し,CDUとCSUはCTAの頻度が高かった。

関連論文リスト

• Using LLMs to label medical papers according to the CIViC evidence model [0.0]
  医学NLP分野におけるシーケンス分類問題CIViCエビデンスについて紹介する。 CIViCエビデンスデータセット上でBERTとRoBERTaの事前学習チェックポイントを微調整する。 上記のBERTライクなモデルとOpenAIのGPT-4を数ショットで比較する。
  論文  参考訳（メタデータ） (2024-07-05T12:30:01Z)
• Large Language Models Reveal Information Operation Goals, Tactics, and Narrative Frames [11.092274997807994]
  我々は,協調キャンペーンアノテーションのケーススタディとして GPT-3.5 を用いる。 協調キャンペーン毎に、GPT-3.5を用いて特定の関心事に関連する投稿を分析し、目標、戦術、物語のフレームを抽出する。
  論文  参考訳（メタデータ） (2024-05-06T17:59:07Z)
• A ripple in time: a discontinuity in American history [49.84018914962972]
  歴史的データセットにおける時間的(言語拡張と関係がなく,言語拡張とは無関係)と人格的(著者帰属)を発見するための新しいアプローチを提案する。 我々は過去42人のアメリカ合衆国大統領が行った連邦の演説に対する我々のアプローチを例証する。
  論文  参考訳（メタデータ） (2023-12-02T17:24:17Z)
• Text Classification via Large Language Models [63.1874290788797]
  テキスト分類に関わる複雑な言語現象に対処するために、Clue And Reasoning Prompting (CARP)を導入する。 注目すべきは、CARPが5つの広く使用されているテキスト分類ベンチマークのうち4つで新しいSOTAパフォーマンスを得ることだ。 さらに重要なのは、CARPが低リソースとドメイン適応のセットアップで素晴らしい能力を提供します。
  論文  参考訳（メタデータ） (2023-05-15T06:24:45Z)
• Retrieval Enhanced Data Augmentation for Question Answering on Privacy Policies [74.01792675564218]
  本研究では,ラベルのないポリシー文書から関連するテキストセグメントを抽出する検索モデルに基づくデータ拡張フレームワークを開発する。 拡張データの多様性と品質を改善するために,複数の事前学習言語モデル(LM)を活用し,ノイズ低減フィルタモデルでそれらをカスケードする。 PrivacyQAベンチマークの強化データを使用して、既存のベースラインを大きなマージン(10% F1)に高め、新しい最先端のF1スコアを50%達成します。
  論文  参考訳（メタデータ） (2022-04-19T15:45:23Z)
• Twitter-COMMs: Detecting Climate, COVID, and Military Multimodal Misinformation [83.2079454464572]
  本稿では,DARPAセマンティック・フォレスティクス(SemaFor)プログラムにおける画像テキスト不整合検出へのアプローチについて述べる。 Twitter-COMMsは大規模マルチモーダルデータセットで、884万のツイートが気候変動、新型コロナウイルス、軍用車両のトピックに関連する。 我々は、最先端のCLIPモデルに基づいて、自動生成されたランダムとハードのネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガ
  論文  参考訳（メタデータ） (2021-12-16T03:37:20Z)
• MARMOT: A Deep Learning Framework for Constructing Multimodal Representations for Vision-and-Language Tasks [0.0]
  本稿では、モーダル変換(MARMOT)を用いた多モーダル表現と呼ばれる新しいヴィジュアル・アンド・ランゲージ・フレームワークを提案する。 MARMOTは、2016年アメリカ合衆国大統領選挙における選挙事件を報告しているツイートのマルチラベル分類において、20のカテゴリの19のアンサンブルテキストのみの分類器を上回っている。
  論文  参考訳（メタデータ） (2021-09-23T17:48:48Z)
• A Heuristic-driven Uncertainty based Ensemble Framework for Fake News Detection in Tweets and News Articles [5.979726271522835]
  ニュース項目が「本物」か「偽」かを自動的に識別する新しい偽ニュース検出システムについて述べる。 我々は,事前学習したモデルと統計的特徴融合ネットワークからなるアンサンブルモデルを用いた。 提案手法は,分類タスクの適切なクラス出力信頼度レベルとともに,信頼性の高い予測不確実性を定量化した。
  論文  参考訳（メタデータ） (2021-04-05T06:35:30Z)
• Detecting Hostile Posts using Relational Graph Convolutional Network [1.8734449181723827]
  この研究は、ソーシャルメディアプラットフォーム上でヒンディー語で敵対的な投稿を検出するためにAAAI@2021が実施したコンテストへの提出に基づいている。 ここでは,畳み込みネットワークを用いた敵対的ポスト分類のためのモデルを提案する。 提案されたモデルは、与えられたデータセット上のGoogleのXLM-RoBERTaと同等に実行されている。 XLMRobertaを用いた分類システムでは, 細粒度分類では2位であった。
  論文  参考訳（メタデータ） (2021-01-10T06:50:22Z)
• LTIatCMU at SemEval-2020 Task 11: Incorporating Multi-Level Features for Multi-Granular Propaganda Span Identification [70.1903083747775]
  本稿では,新聞記事におけるプロパガンダ・スパン識別の課題について述べる。 本稿では,BERT-BiLSTMに基づくプロパガンダ分類モデルを提案する。
  論文  参考訳（メタデータ） (2020-08-11T16:14:47Z)
• Evaluation Toolkit For Robustness Testing Of Automatic Essay Scoring Systems [64.4896118325552]
  モデル逆算評価スキームと関連するメトリクスを用いて、現状のAESモデルを評価する。 AESモデルは非常に過大評価されていることがわかった。質問の話題に関係のない内容の重い修正(25%まで)でさえ、モデルが生み出すスコアを低下させることはない。
  論文  参考訳（メタデータ） (2020-07-14T03:49:43Z)

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。