論文の概要: Social Support Detection from Social Media Texts

• arxiv url: http://arxiv.org/abs/2411.02580v1
• Date: Mon, 04 Nov 2024 20:23:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-06 15:02:07.011911
• Title: Social Support Detection from Social Media Texts
• Title（参考訳）: ソーシャルメディアテキストからのソーシャルサポート検出
• Authors: Zahra Ahani, Moein Shahiki Tash, Fazlourrahman Balouchzahi, Luis Ramos, Grigori Sidorov, Alexander Gelbukh,
• Abstract要約: ソーシャルメディアのような様々な相互作用やプラットフォームを通じて伝えられる社会支援は、所有意識を育む上で重要な役割を担っている。 本稿では,自然言語処理(NLP)タスクとしてのソーシャルサポート検出(SSD)について紹介する。 我々は1万のYouTubeコメントからなるデータセットで実験を行った。
• 参考スコア（独自算出の注目度）: 44.096359084699
• License:
• Abstract: Social support, conveyed through a multitude of interactions and platforms such as social media, plays a pivotal role in fostering a sense of belonging, aiding resilience in the face of challenges, and enhancing overall well-being. This paper introduces Social Support Detection (SSD) as a Natural language processing (NLP) task aimed at identifying supportive interactions within online communities. The study presents the task of Social Support Detection (SSD) in three subtasks: two binary classification tasks and one multiclass task, with labels detailed in the dataset section. We conducted experiments on a dataset comprising 10,000 YouTube comments. Traditional machine learning models were employed, utilizing various feature combinations that encompass linguistic, psycholinguistic, emotional, and sentiment information. Additionally, we experimented with neural network-based models using various word embeddings to enhance the performance of our models across these subtasks.The results reveal a prevalence of group-oriented support in online dialogues, reflecting broader societal patterns. The findings demonstrate the effectiveness of integrating psycholinguistic, emotional, and sentiment features with n-grams in detecting social support and distinguishing whether it is directed toward an individual or a group. The best results for different subtasks across all experiments range from 0.72 to 0.82.
• Abstract（参考訳）: ソーシャルメディアのような多種多様な相互作用やプラットフォームを通じて伝えられる社会サポートは、所有意識の育成、課題に直面したレジリエンスの支援、全体的な幸福向上において重要な役割を担っている。 本稿では,ソーシャルサポート検出(SSD)を自然言語処理(NLP)タスクとして導入する。 本研究は,2つのバイナリ分類タスクと1つのマルチクラスタスクの3つのサブタスクにおいて,ソーシャルサポート検出(SSD)のタスクを示す。 我々は1万のYouTubeコメントからなるデータセットで実験を行った。 伝統的な機械学習モデルが採用され、言語、精神言語、感情、感情情報を含む様々な特徴の組み合わせが利用された。 さらに,これらのサブタスクにまたがるモデルの性能を高めるために,様々な単語埋め込みを用いたニューラルネットワークモデルの実験を行った。 本研究は, 精神言語的, 感情的, 感情的特徴をn-gramと組み合わせることで, 社会的支援を検出し, 個人やグループに向けられるかを見極める効果を示した。 全ての実験で異なるサブタスクの最良の結果は0.72から0.82である。

関連論文リスト

• Loose Social-Interaction Recognition in Real-world Therapy Scenarios [10.088521986304976]
  本稿では,2つの個人間の疎結合を捉えるために,新しいデュアルパスアーキテクチャを提案する。 我々のモデルは、CNNのバックボーンを介して各ストリームからグローバルな抽象的特徴を学習し、新しいGlobal-Layer-Attentionモジュールを使ってそれらを融合する。 我々は、ルース・インタラクション・データセットやゆるやかなインタラクションのための公開自閉症・データセットなど、現実世界の自閉症診断モデルを評価する。
  論文  参考訳（メタデータ） (2024-09-30T13:11:14Z)
• Nonverbal Interaction Detection [83.40522919429337]
  この研究は、社会的文脈における人間の非言語的相互作用を理解するという新たな課題に対処する。 我々はNVIと呼ばれる新しい大規模データセットを寄贈し、人間とそれに対応する社会グループのための境界ボックスを含むように細心の注意を払ってアノテートする。 第2に,非言語的インタラクション検出のための新たなタスクNVI-DETを構築し,画像から三つ子を識別する。 第3に,非言語相互作用検出ハイパーグラフ (NVI-DEHR) を提案する。
  論文  参考訳（メタデータ） (2024-07-11T02:14:06Z)
• SocialBench: Sociality Evaluation of Role-Playing Conversational Agents [85.6641890712617]
  大規模言語モデル(LLM)は、様々なAI対話エージェントの開発を進めてきた。 SocialBenchは、ロールプレイングの会話エージェントの社会的性を個人レベルとグループレベルで評価するために設計された最初のベンチマークである。 個人レベルで優れたエージェントは,集団レベルでの熟練度を示唆しない。
  論文  参考訳（メタデータ） (2024-03-20T15:38:36Z)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T01:20:29Z)
• Bodily Behaviors in Social Interaction: Novel Annotations and State-of-the-Art Evaluation [0.0]
  本稿では,社会相互作用に埋め込まれた複雑な身体行動の最初のアノテーションであるBBSIについて述べる。 心理学における過去の研究に基づいて,26時間の自発的な行動について手動で注釈を付けた。 我々は、人間の行動検出のための最先端のアプローチであるピラミッド拡張注意ネットワーク(PDAN)を適応する。
  論文  参考訳（メタデータ） (2022-07-26T11:24:00Z)
• 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)
• Self-supervised Social Relation Representation for Human Group Detection [18.38523753680367]
  人間のグループ検出のための新しい2段階のマルチヘッドフレームワークを提案する。 第1段階では,人間行動シミュレーター・ヘッドを提案し,ソーシャル・リレーション・フィーチャの埋め込みを学習する。 第2段階では,社会関係の埋め込みに基づいて,人間集団検出のための自己注意型ネットワークを開発する。
  論文  参考訳（メタデータ） (2022-03-08T04:26:07Z)
• Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia for Human Personality Profiling [74.83957286553924]
  我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。 実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
  論文  参考訳（メタデータ） (2021-06-20T10:48:49Z)
• Beyond Social Media Analytics: Understanding Human Behaviour and Deep Emotion using Self Structuring Incremental Machine Learning [1.2487990897680423]
  この論文は、人間の社会的行動、ニーズ、認知の階層の表層を表わすものとして、社会的データを考慮した概念的枠組みを発展させている。 速いペースと遅いペースのソーシャルデータから洞察を得るために、2つのプラットフォームが構築された。
  論文  参考訳（メタデータ） (2020-09-05T14:53:26Z)

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。

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。