論文の概要: Sentiment and Hashtag-aware Attentive Deep Neural Network for Multimodal Post Popularity Prediction

• arxiv url: http://arxiv.org/abs/2412.10737v1
• Date: Sat, 14 Dec 2024 08:18:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:53:50.404254
• Title: Sentiment and Hashtag-aware Attentive Deep Neural Network for Multimodal Post Popularity Prediction
• Title（参考訳）: マルチモーダルポスト人気予測のための知覚・ハッシュタグ認識型深層ニューラルネットワーク
• Authors: Shubhi Bansal, Mohit Kumar, Chandravardhan Singh Raghaw, Nagendra Kumar,
• Abstract要約: ソーシャルメディア利用者は、幅広いテーマについて意見を表明し、ソーシャルメディアプラットフォームへの投稿を通じて自身の経験を共有する。 マルチAlposT pOpularity pRedictionのためのセグティメントとhAshtag対応の注意深いneuRal netwoRkを提案する。
• 参考スコア（独自算出の注目度）: 1.3845503845316387
• License:
• Abstract: Social media users articulate their opinions on a broad spectrum of subjects and share their experiences through posts comprising multiple modes of expression, leading to a notable surge in such multimodal content on social media platforms. Nonetheless, accurately forecasting the popularity of these posts presents a considerable challenge. Prevailing methodologies primarily center on the content itself, thereby overlooking the wealth of information encapsulated within alternative modalities such as visual demographics, sentiments conveyed through hashtags and adequately modeling the intricate relationships among hashtags, texts, and accompanying images. This oversight limits the ability to capture emotional connection and audience relevance, significantly influencing post popularity. To address these limitations, we propose a seNtiment and hAshtag-aware attentive deep neuRal netwoRk for multimodAl posT pOpularity pRediction, herein referred to as NARRATOR that extracts visual demographics from faces appearing in images and discerns sentiment from hashtag usage, providing a more comprehensive understanding of the factors influencing post popularity Moreover, we introduce a hashtag-guided attention mechanism that leverages hashtags as navigational cues, guiding the models focus toward the most pertinent features of textual and visual modalities, thus aligning with target audience interests and broader social media context. Experimental results demonstrate that NARRATOR outperforms existing methods by a significant margin on two real-world datasets. Furthermore, ablation studies underscore the efficacy of integrating visual demographics, sentiment analysis of hashtags, and hashtag-guided attention mechanisms in enhancing the performance of post popularity prediction, thereby facilitating increased audience relevance, emotional engagement, and aesthetic appeal.
• Abstract（参考訳）: ソーシャルメディア利用者は、幅広い対象について意見を表明し、複数の表現モードからなる投稿を通じて経験を共有することで、ソーシャルメディアプラットフォーム上でこのようなマルチモーダルコンテンツが顕著に急増した。 それでも、これらの投稿の人気を正確に予測することは大きな課題である。 一般的な方法論は、主にコンテンツそのものに焦点を当てており、視覚的人口統計学、ハッシュタグを通じて伝達される感情、ハッシュタグ、テキスト、付随する画像の間の複雑な関係を適切にモデル化するといった、代替のモダリティにカプセル化された情報の富を見越す。 この監視は、感情的なつながりとオーディエンスとの関係を捉える能力を制限し、ポストの人気に大きな影響を及ぼす。 これらの制約に対処するため,マルチモーダルのposT pOpularity predictionでは,画像に現れる顔から視覚的人口動態を抽出し,ハッシュタグの使用感を識別し,ハッシュタグの使用に影響を及ぼす要因をより包括的に理解し,また,ハッシュタグをナビゲーションの手がかりとして活用するハッシュタグ誘導注意機構を導入し,テキストや視覚的モダリティの最も永続的な特徴にモデルを向ける。 実験の結果, NARRATORは2つの実世界のデータセットに対して, 既存の手法よりも有意差があることが判明した。 さらに、アブレーション研究は、視覚的人口統計学の統合、ハッシュタグの感情分析、およびハッシュタグ誘導による注意機構が、ポスト人気予測の性能向上に有効であること、それによって、観客の関連性、感情的エンゲージメント、美的魅力の向上を促進することを明らかにする。

関連論文リスト

• Contrastive Learning for Implicit Social Factors in Social Media Popularity Prediction [12.798988947331596]
  我々は、ポスト人気に影響を与えるソーシャルプラットフォームによってもたらされる要因について研究する。 これらの要因には、コンテンツ関連性、ユーザ影響の類似性、ユーザアイデンティティが含まれる。 本稿では、コンテンツ関連性、ユーザ影響の類似性、ユーザアイデンティティなど、人気に関する3つの暗黙的な社会的要因を提案する。
  論文  参考訳（メタデータ） (2024-10-12T03:25:11Z)
• 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)
• RIGHT: Retrieval-augmented Generation for Mainstream Hashtag Recommendation [76.24205422163169]
  我々はRIGHT(RetrIeval-augmented Generative Mainstream HashTag Recommender)を提案する。 RIGHTは3つのコンポーネントから構成される: 1) 検索者は、ツイートハッシュタグセット全体から関連するハッシュタグを検索する; 2) セレクタは、グローバル信号を導入して、メインストリームの識別を強化する; 3) ジェネレータは入力されたつぶやきと選択されたハッシュタグを組み込んで、目的のハッシュタグを直接生成する。 さらに,RIGHTを大規模言語モデルに統合することで,ChatGPTの性能を10%以上向上させることができる。
  論文  参考訳（メタデータ） (2023-12-16T14:47:03Z)
• 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)
• Predicting Tweet Engagement with Graph Neural Networks [0.0]
  本稿では、新しいグラフベースモデルに基づいて、ユーザエンゲージメントを予測するグラフニューラルネットワークソリューションであるTweetGageを提案する。 提案を検証するために、Twitterプラットフォームに注目し、徹底的な実験的キャンペーンを実施します。
  論文  参考訳（メタデータ） (2023-05-17T10:09:40Z)
• Effects of Algorithmic Trend Promotion: Evidence from Coordinated Campaigns in Twitter's Trending Topics [5.524750830120598]
  トレンドトピックページに現れるハッシュタグが、そのハッシュタグで生成されたツイート数に与える影響について検討する。 統計学的に有意だが控えめなところは、トレンドトピックに特徴付けられるハッシュタグに戻ることにある。
  論文  参考訳（メタデータ） (2023-04-08T15:22:36Z)
• Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
  モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。 近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。 知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
  論文  参考訳（メタデータ） (2021-10-27T12:19:56Z)
• Exploring Visual Engagement Signals for Representation Learning [56.962033268934015]
  VisEは、クラスタ化されたエンゲージメント信号から派生した擬似ラベルにソーシャルイメージをマップする弱い教師付き学習アプローチである。 この方法でトレーニングされたモデルが、感情認識や政治的バイアス検出といった主観的なコンピュータビジョンタスクにどのように役立つかを研究する。
  論文  参考訳（メタデータ） (2021-04-15T20:50:40Z)
• Cross-Media Keyphrase Prediction: A Unified Framework with Multi-Modality Multi-Head Attention and Image Wordings [63.79979145520512]
  マルチメディア投稿におけるキーワード予測におけるテキストと画像の併用効果について検討する。 複雑なマルチメディアインタラクションを捉えるために,M3H-Att(Multi-Modality Multi-Head Attention)を提案する。 我々のモデルは,従来の注目ネットワークに基づいて,過去の技術状況よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2020-11-03T08:44:18Z)
• Improving Image Captioning with Better Use of Captions [65.39641077768488]
  本稿では,画像表現とキャプション生成の両方を強化するために,キャプションで利用可能なセマンティクスをよりよく探求するための新しい画像キャプションアーキテクチャを提案する。 我々のモデルはまず,弱教師付きマルチインスタンス学習を用いて,有益な帰納バイアスをもたらすキャプション誘導型視覚関係グラフを構築した。 生成期間中、このモデルは、単語とオブジェクト/述語タグのシーケンスを共同で予測するために、マルチタスク学習を用いた視覚関係をさらに取り入れる。
  論文  参考訳（メタデータ） (2020-06-21T14:10:47Z)

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。