論文の概要: Advanced Machine Learning Techniques for Social Support Detection on Social Media
- arxiv url: http://arxiv.org/abs/2501.03370v1
- Date: Mon, 06 Jan 2025 20:14:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-08 15:50:57.676748
- Title: Advanced Machine Learning Techniques for Social Support Detection on Social Media
- Title(参考訳): ソーシャルメディア上でのソーシャルサポート検出のための高度な機械学習技術
- Authors: Olga Kolesnikova, Moein Shahiki Tash, Zahra Ahani, Ameeta Agrawal, Raul Monroy, Grigori Sidorov,
- Abstract要約: 本研究は、ソーシャルメディア上のソーシャルサポートコンテンツのバイナリおよびマルチクラス分類を含む、オンラインソーシャルサポートに焦点を当てたデータセットを使用する。
最初のタスクは、サポート型と非サポート型を区別することに焦点を当てている。
第2のタスクは、サポートが個人またはグループに向けられているかどうかを特定することを目的としている。
第3のタスクは、特定のタイプの社会支援を分類し、国民、LGBTQ、黒人、女性、宗教などに分類される。
- 参考スコア(独自算出の注目度): 5.5809135615741114
- License:
- Abstract: The widespread use of social media highlights the need to understand its impact, particularly the role of online social support. This study uses a dataset focused on online social support, which includes binary and multiclass classifications of social support content on social media. The classification of social support is divided into three tasks. The first task focuses on distinguishing between supportive and non-supportive. The second task aims to identify whether the support is directed toward an individual or a group. The third task categorizes the specific type of social support, grouping it into categories such as Nation, LGBTQ, Black people, Women, Religion, and Other (if it does not fit into the previously mentioned categories). To address data imbalances in these tasks, we employed K-means clustering for balancing the dataset and compared the results with the original unbalanced data. Using advanced machine learning techniques, including transformers and zero-shot learning approaches with GPT3, GPT4, and GPT4-o, we predict social support levels in various contexts. The effectiveness of the dataset is evaluated using baseline models across different learning approaches, with transformer-based methods demonstrating superior performance. Additionally, we achieved a 0.4\% increase in the macro F1 score for the second task and a 0.7\% increase for the third task, compared to previous work utilizing traditional machine learning with psycholinguistic and unigram-based TF-IDF values.
- Abstract(参考訳): ソーシャルメディアの普及は、その影響、特にオンラインソーシャルサポートの役割を理解する必要性を強調している。
本研究は、ソーシャルメディア上のソーシャルサポートコンテンツのバイナリおよびマルチクラス分類を含む、オンラインソーシャルサポートに焦点を当てたデータセットを使用する。
社会的支援の分類は3つの課題に分けられる。
最初のタスクは、サポート型と非サポート型を区別することに焦点を当てている。
第2のタスクは、サポートが個人またはグループに向けられているかどうかを特定することを目的としている。
第3のタスクは、特定のタイプのソーシャルサポートを分類し、ネーション、LGBTQ、黒人、女性、宗教、その他のカテゴリに分類する(前述のカテゴリに適合しない場合)。
これらのタスクにおけるデータ不均衡に対処するために、データセットのバランスをとるためにK平均クラスタリングを採用し、結果を元のアンバランスデータと比較した。
GPT3, GPT4, GPT4-oを用いたトランスフォーマーやゼロショット学習アプローチなどの高度な機械学習技術を用いて, 様々な状況下での社会的サポートレベルを予測する。
データセットの有効性は、異なる学習アプローチのベースラインモデルを用いて評価され、トランスフォーマーベースの手法は優れた性能を示す。
さらに,従来の機械学習による心理言語的・ユニグラム的TF-IDF値を用いた場合と比較して,第2タスクのマクロF1スコアの0.4\%,第3タスクの0.7\%向上を達成した。
関連論文リスト
- Online Social Support Detection in Spanish Social Media Texts [4.110335292722527]
本研究では、スペイン語のソーシャルメディアテキストにおけるオンラインソーシャルサポートを検出するための革新的なアプローチを提案する。
このタスクのために特別に作成された最初の注釈付きデータセットを導入し、サポート的または非サポート的に分類される3,189のYouTubeコメントを含む。
次に、従来の機械学習モデル、ディープラーニングアーキテクチャ、GPT-4oを含むトランスフォーマーベースモデルを用いたソーシャルサポート分類の評価を行った。
論文 参考訳(メタデータ) (2025-02-10T04:04:23Z) - Social Support Detection from Social Media Texts [44.096359084699]
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。
論文 参考訳(メタデータ) (2024-11-04T20:23:03Z) - OPSD: an Offensive Persian Social media Dataset and its baseline evaluations [2.356562319390226]
本稿ではペルシャ語に対する2つの攻撃的データセットを紹介する。
第1のデータセットはドメインの専門家によって提供されるアノテーションで構成されており、第2のデータセットはWebクローリングによって得られたラベルなしデータの大規模なコレクションで構成されている。
得られたデータセットの3クラスと2クラスのF1スコアはそれぞれ76.9%、XLM-RoBERTaは89.9%であった。
論文 参考訳(メタデータ) (2024-04-08T14:08:56Z) - Fairness meets Cross-Domain Learning: a new perspective on Models and
Metrics [80.07271410743806]
クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。
いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。
本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
論文 参考訳(メタデータ) (2023-03-25T09:34:05Z) - 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) - Ranking-based Group Identification via Factorized Attention on Social
Tripartite Graph [68.08590487960475]
グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。
我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。
データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
論文 参考訳(メタデータ) (2022-11-02T01:42:20Z) - Towards Intersectionality in Machine Learning: Including More
Identities, Handling Underrepresentation, and Performing Evaluation [23.661509482014058]
交差性を複数の属性として組み込んだ場合、機械学習パイプラインの3段階に沿って発生する疑問に対処する。
我々は、どの属性ラベルをトレーニングするかを選択する際に、経験的検証でドメイン知識を補うことを提唱する。
規範的含意を考慮せずにデータ不均衡技術の使用を警告する。
論文 参考訳(メタデータ) (2022-05-10T01:00:52Z) - Learning from Heterogeneous Data Based on Social Interactions over
Graphs [58.34060409467834]
本研究では,個別のエージェントが異なる次元のストリーミング特徴を観察しながら分類問題の解決を目指す分散アーキテクチャを提案する。
私たちはそれを示します。
戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。
私たちはそれを示します。
戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。
論文 参考訳(メタデータ) (2021-12-17T12:47:18Z) - 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) - Learning Skill Equivalencies Across Platform Taxonomies [5.004002192711109]
クロスプラットフォームアセスメントは、デジタル学習プラットフォームの新たな課題である。
プラットフォーム間で等価なスキルを見つけ、結び付ける方法論を導入し、評価します。
我々は,スキルを連続実数値ベクトルとして表現する6つのモデルを提案し,スキル空間間のマッピングに機械翻訳を利用する。
論文 参考訳(メタデータ) (2021-02-10T17:49:39Z)
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。