論文の概要: A Survey of Stance Detection on Social Media: New Directions and Perspectives
- arxiv url: http://arxiv.org/abs/2409.15690v1
- Date: Tue, 24 Sep 2024 03:06:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-26 09:11:12.502021
- Title: A Survey of Stance Detection on Social Media: New Directions and Perspectives
- Title（参考訳）: ソーシャルメディアにおけるスタンス検出の新たな方向性と展望
- Authors: Bowen Zhang, Genan Dai, Fuqiang Niu, Nan Yin, Xiaomao Fan, Hu Huang,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.9371318895313903
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In modern digital environments, users frequently express opinions on contentious topics, providing a wealth of information on prevailing attitudes. The systematic analysis of these opinions offers valuable insights for decision-making in various sectors, including marketing and politics. As a result, stance detection has emerged as a crucial subfield within affective computing, enabling the automatic detection of user stances in social media conversations and providing a nuanced understanding of public sentiment on complex issues. Recent years have seen a surge of research interest in developing effective stance detection methods, with contributions from multiple communities, including natural language processing, web science, and social computing. This paper provides a comprehensive survey of stance detection techniques on social media, covering task definitions, datasets, approaches, and future works. We review traditional stance detection models, as well as state-of-the-art methods based on large language models, and discuss their strengths and limitations. Our survey highlights the importance of stance detection in understanding public opinion and sentiment, and identifies gaps in current research. We conclude by outlining potential future directions for stance detection on social media, including the need for more robust and generalizable models, and the importance of addressing emerging challenges such as multi-modal stance detection and stance detection in low-resource languages.
- Abstract（参考訳）: 現代のデジタル環境では、ユーザーはしばしば論争的な話題についての意見を表現し、一般的な態度についての豊富な情報を提供する。
これらの意見の体系的な分析は、マーケティングや政治など、さまざまな分野における意思決定に貴重な洞察を与える。
その結果、情緒的コンピューティングにおいてスタンス検出は重要なサブフィールドとして現れ、ソーシャルメディアの会話におけるユーザのスタンスの自動検出を可能にし、複雑な問題に対する大衆の感情の微妙な理解を提供する。
近年、自然言語処理、Webサイエンス、ソーシャルコンピューティングなど、複数のコミュニティからの貢献により、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スタンス検出手法を包括的に調査し,タスク定義,データセット,アプローチ,今後の課題について述べる。
本稿では,従来の姿勢検出モデルと,大規模言語モデルに基づく最先端手法について検討し,その強みと限界について論じる。
本調査は,世論と感情を理解する上でのスタンス検出の重要性を強調し,現在の研究におけるギャップを明らかにするものである。
我々は,より堅牢で一般化可能なモデルの必要性や,マルチモーダルな姿勢検出や低リソース言語における姿勢検出といった新たな課題に対処することの重要性など,ソーシャルメディア上でのスタンス検出の今後の方向性を概説する。
関連論文リスト
- Multimodal Multi-turn Conversation Stance Detection: A Challenge Dataset and Effective Model [9.413870182630362]
我々は,MmMtCSDと呼ばれるマルチモーダル対話姿勢検出データセットを導入する。
本稿では,テキストおよび視覚的モーダルから共同姿勢表現を学習する,多モーダルな大規模言語モデル姿勢検出フレームワーク(MLLM-SD)を提案する。
MmMtCSD実験は,マルチモーダル姿勢検出のためのMLLM-SD手法の最先端性能を示す。
論文 参考訳（メタデータ） (2024-09-01T03:16:30Z) - Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。
また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
論文 参考訳（メタデータ） (2024-05-13T14:44:22Z) - 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) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Multi-modal Misinformation Detection: Approaches, Challenges and Opportunities [5.4482836906033585]
ソーシャルメディアプラットフォームは、テキストベースのフォーラムからマルチモーダル環境へと進化している。
誤情報スプレッダーは、最近、テキストや画像などのモダリティ間のコンテキスト接続をターゲットにしている。
マルチモーダルな誤情報検出の分野での新たな研究機会を見出すために,既存のアプローチを分析,分類,そして,それらが直面する課題や欠点に加えて特定する。
論文 参考訳（メタデータ） (2022-03-25T19:45:33Z) - Capturing Stance Dynamics in Social Media: Open Challenges and Research
Directions [6.531659195805749]
ソーシャルメディアプラットフォームは、幅広い社会的関心の問題に関する世論を掘り下げるために金鉱を提供する。
オピニオンマイニング(オピニオンマイニング)は、個々のソーシャルメディア投稿のスタンスを捉え、集約することで、運用できる問題である。
デジタルメディアにおける人的コミュニケーションの時間的進化と計算言語学の交わりについて検討する。
論文 参考訳（メタデータ） (2021-09-01T16:28:24Z) - Encoding Heterogeneous Social and Political Context for Entity Stance
Prediction [7.477393857078695]
本稿では,エンティティスタンス予測の新しい課題を提案する。
我々は、現代アメリカの政治に関する社会団体に関する事実をウィキペディアから回収する。
そして、我々は、ドメインの専門家の助けを借りて、政治イデオロギーに対する社会団体のスタンスに注釈を付ける。
論文 参考訳（メタデータ） (2021-08-09T08:59:43Z) - Survey on the Analysis and Modeling of Visual Kinship: A Decade in the
Making [66.72253432908693]
親和性認識は多くの実践的応用において難しい問題である。
我々は、多くの人にその見解を刺激した公開リソースとデータ課題についてレビューする。
10周年記念には、さまざまなkinベースのタスクのためのデモコードが用意されている。
論文 参考訳（メタデータ） (2020-06-29T13:25:45Z) - Stance Detection on Social Media: State of the Art and Trends [5.584060970507506]
ソーシャルメディアにおけるスタンス検出は、感情分析が最適ではないかもしれない様々な社会的・政治的応用のための新たな意見マイニングパラダイムである。
本稿では,これらのコミュニティにおけるスタンス検出の取り組みについて調査し,ソーシャルメディアにおける現在の意見マイニング手法における利用状況について考察する。
ソーシャルメディア上でのスタンス検出手法の徹底的なレビューとして,タスク定義,スタンス検出におけるさまざまなタイプのターゲット,使用する機能,適用されたさまざまな機械学習アプローチについて紹介する。
論文 参考訳（メタデータ） (2020-06-05T19:24:16Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z) - Deep Learning for Sensor-based Human Activity Recognition: Overview,
Challenges and Opportunities [52.59080024266596]
本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。
まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。
次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
論文 参考訳（メタデータ） (2020-01-21T09:55:59Z)
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。