論文の概要: Quantifying Collective Emotions: Japan's Societal Trends Through Enhanced Sentiment Index Using POMS2 and SNS

• arxiv url: http://arxiv.org/abs/2502.08404v1
• Date: Wed, 12 Feb 2025 13:47:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-13 13:48:57.679789
• Title: Quantifying Collective Emotions: Japan's Societal Trends Through Enhanced Sentiment Index Using POMS2 and SNS
• Title（参考訳）: 集団感情の定量化:POMS2とSNSを用いた感性指数の強化による日本の社会動向
• Authors: Koutarou Tamura, Yukie Sano, Junichi Shiozaki,
• Abstract要約: 本研究では,日本のウェブ空間に存在する集団感情を定量的に表現する感情指標を構築した。 我々は、X(以前のTwitter)からの投稿を使って方法論を再構築し、POMS2メトリクスからフレンドリーな指標を追加することでモデルを更新した。 このことから,本手法はSNSプラットフォームに依存しない,日本の社会における典型的な感情変動を効果的に捉えていることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In this study, we constructed an emotion index that quantitatively represents the collective emotions present in the Japanese web space by utilizing Social Networking Service (SNS) post data. Building upon previous research that used blog data and the Profile of Mood States (POMS), we restructured the methodology using posts from X (formerly Twitter) and updated the model by adding the ``Friendliness" indicator from the POMS2 metrics. Through periodic and trend analyses of the emotional indicators derived from X's post data, we found that the extension is consistent with results previously reported using blog data. This suggests that our methodology effectively captures typical emotional fluctuations in Japanese society, independent of specific SNS platforms, and is expected to serve as an index to visualize societal trends.
• Abstract（参考訳）: 本研究では、SNS(Social Networking Service)の投稿データを利用して、日本のウェブ空間に存在する集団感情を定量的に表現する感情指標を構築した。 ブログデータとMood Statesプロファイル(POMS)を使用した以前の研究に基づいて、X(以前のTwitter)からの投稿を使って方法論を再構築し、POMS2メトリクスから‘Friendliness’指標を追加することでモデルを更新しました。 X の投稿データから得られた感情指標の周期的・傾向的分析により,この拡張はブログデータを用いて以前に報告された結果と一致していることがわかった。 本手法は,SNSプラットフォームに依存しない日本社会の典型的な感情変動を効果的に捉え,社会的傾向を可視化する指標として機能することが期待される。

関連論文リスト

• Multi-Platform Aggregated Dataset of Online Communities (MADOC) [64.45797970830233]
  MADOCはBluesky、Koo、Reddit、Voat(2012-2024)のデータを集め、標準化している。 このデータセットは、標準化されたインタラクション記録と感情分析を通じて、プラットフォーム間の有害な振る舞いの進化の比較研究を可能にする。
  論文  参考訳（メタデータ） (2025-01-22T14:02:11Z)
• Extracting Affect Aggregates from Longitudinal Social Media Data with Temporal Adapters for Large Language Models [1.9299251284637737]
  本稿では,ソーシャルメディアデータの経時的分析ツールとして,時整列大言語モデル(LLM)を提案する。 本誌は、Llama 3 8Bのテンポラルアダプターを、イギリスのTwitterユーザのパネルから全タイムラインで微調整した。 我々は、世論や集団的感情に強い影響を与えている新型コロナウイルスのパンデミックの始まりについて分析する。
  論文  参考訳（メタデータ） (2024-09-26T16:02:00Z)
• Graph Neural Networks for Antisocial Behavior Detection on Twitter [0.0]
  反社会的行動のソーシャルメディアの復活は、ステレオタイプ的信念や個人や社会グループに対する憎悪的なコメントに下向きのスパイラルをもたらした。 大量のグラフ構造化データに使用されるグラフニューラルネットワークの進歩は、ソーシャルメディアプラットフォームにおけるコミュニケーションのメディア化の将来への期待を高めている。 グラフ畳み込みデータに基づくアプローチを用いて、異種データ間の依存関係をよりよく把握した。
  論文  参考訳（メタデータ） (2023-12-28T00:25:12Z)
• 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)
• Stable Bias: Analyzing Societal Representations in Diffusion Models [72.27121528451528]
  本稿では,テキスト・ツー・イメージ(TTI)システムにおける社会的バイアスを探索する新しい手法を提案する。 我々のアプローチは、プロンプト内の性別や民族のマーカーを列挙して生成された画像の変動を特徴づけることに依存している。 我々はこの手法を利用して3つのTTIシステムによって生成された画像を分析し、そのアウトプットが米国の労働人口層と相関しているのに対して、彼らは常に異なる範囲において、限界化されたアイデンティティを低く表現している。
  論文  参考訳（メタデータ） (2023-03-20T19:32:49Z)
• 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)
• The Tail Wagging the Dog: Dataset Construction Biases of Social Bias Benchmarks [75.58692290694452]
  社会的偏見と、データセット構築時に選択された選択から生じる非社会的偏見を比較し、人間の目では識別できないかもしれない。 これらの浅い修正は、様々なモデルにまたがるバイアスの程度に驚くべき影響を及ぼす。
  論文  参考訳（メタデータ） (2022-10-18T17:58:39Z)
• BERTScore is Unfair: On Social Bias in Language Model-Based Metrics for Text Generation [89.41378346080603]
  この研究は、PLMに基づくメトリクスにおける社会バイアスに関する最初の体系的研究である。 PLMをベースとした一般的な指標は,従来の6つの属性の指標よりも社会的偏見が著しく高いことが実証された。 さらに, PLM層に注入される脱バイアスアダプタを開発し, テキスト生成の評価に高い性能を維持しながら, PLMベースのメトリクスのバイアスを軽減する。
  論文  参考訳（メタデータ） (2022-10-14T08:24:11Z)
• TempoWiC: An Evaluation Benchmark for Detecting Meaning Shift in Social Media [17.840417362892104]
  我々は、ソーシャルメディアベースの意味変化の研究を加速するための新しいベンチマークであるTempoWiCを紹介する。 この結果から,ソーシャルメディアに特化した最近リリースされた言語モデルであっても,TempoWiCは難しいベンチマークであることがわかった。
  論文  参考訳（メタデータ） (2022-09-15T11:17:56Z)
• Validating daily social media macroscopes of emotions [0.12656629989060433]
  われわれはオンライン新聞で大規模な調査を行い、ユーザーから毎日の情緒的状態の自己報告を収集した。 同じオンラインプラットフォーム上でのユーザディスカッションの感情分析の結果と比較した。 両プラットフォームにおいて,テキスト分析結果と自己報告感情のレベルとの間には強い相関関係が認められた。
  論文  参考訳（メタデータ） (2021-08-17T14:28:56Z)
• Social media emotion macroscopes reflect emotional experiences in society at large [0.12656629989060433]
  ソーシャルメディアは、大規模かつ長期間にわたって人間の行動に関するデータを生成する。 近年の研究では、ソーシャルメディアの感情と個人レベルでの質問票の相関が弱いことが示されている。 社会全体のレベルでの感情の時間的進化を追跡するために、ソーシャルメディアの感情マクロスコープの有効性を検証した研究はない。
  論文  参考訳（メタデータ） (2021-07-28T09:40:42Z)

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。