論文の概要: Online Social Support Detection in Spanish Social Media Texts

• arxiv url: http://arxiv.org/abs/2502.09640v1
• Date: Mon, 10 Feb 2025 04:04:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 14:47:59.976637
• Title: Online Social Support Detection in Spanish Social Media Texts
• Title（参考訳）: スペイン語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検出
• Authors: Moein Shahiki Tash, Luis Ramos, Zahra Ahani, Raul Monroy, Olga kolesnikova, Hiram Calvo, Grigori Sidorov,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.110335292722527
• License:
• Abstract: The advent of social media has transformed communication, enabling individuals to share their experiences, seek support, and participate in diverse discussions. While extensive research has focused on identifying harmful content like hate speech, the recognition and promotion of positive and supportive interactions remain largely unexplored. This study proposes an innovative approach to detecting online social support in Spanish-language social media texts. We introduce the first annotated dataset specifically created for this task, comprising 3,189 YouTube comments classified as supportive or non-supportive. To address data imbalance, we employed GPT-4o to generate paraphrased comments and create a balanced dataset. We then evaluated social support classification using traditional machine learning models, deep learning architectures, and transformer-based models, including GPT-4o, but only on the unbalanced dataset. Subsequently, we utilized a transformer model to compare the performance between the balanced and unbalanced datasets. Our findings indicate that the balanced dataset yielded improved results for Task 2 (Individual and Group) and Task 3 (Nation, Other, LGBTQ, Black Community, Women, Religion), whereas GPT-4o performed best for Task 1 (Social Support and Non-Support). This study highlights the significance of fostering a supportive online environment and lays the groundwork for future research in automated social support detection.
• Abstract（参考訳）: ソーシャルメディアの出現はコミュニケーションを変革し、個人が経験を共有し、支援を求め、多様な議論に参加することを可能にする。 ヘイトスピーチのような有害なコンテンツを識別する研究は盛んに行われているが、肯定的かつ支持的な相互作用の認識と促進はいまだに未発見のままである。 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。 データ不均衡に対処するために、私たちはGPT-4oを使用してパラフレーズのコメントを生成し、バランスの取れたデータセットを作成しました。 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。 その後、トランスモデルを用いて、バランスの取れたデータセットとバランスの取れていないデータセットのパフォーマンスを比較した。 その結果, バランスの取れたデータセットは, 第2タスク(個人・グループ)と第3タスク(Nation, Other, LGBTQ, Black Community, Women, Religion)で改善され, GPT-4oは第1タスク(ソーシャルサポートと非スポーツ)で最高の成績を示した。 本研究は,支援型オンライン環境の育成の重要性を強調し,ソーシャルサポートの自動検出における今後の研究の基盤となるものとなる。

関連論文リスト

• 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)
• Leveraging GPT for the Generation of Multi-Platform Social Media Datasets for Research [0.0]
  ソーシャルメディアデータセットは、偽情報、影響操作、ソーシャルセンシング、ヘイトスピーチ検出、サイバーいじめ、その他の重要なトピックの研究に不可欠である。 これらのデータセットへのアクセスは、コストとプラットフォーム規制のために制限されることが多い。 本稿では,複数のプラットフォームにまたがって,語彙的および意味論的に関連するソーシャルメディアデータセットを作成するための,大規模言語モデルの可能性について検討する。
  論文  参考訳（メタデータ） (2024-07-11T09:12:39Z)
• Social Intelligence Data Infrastructure: Structuring the Present and Navigating the Future [59.78608958395464]
  私たちは、包括的な社会AI分類と480のNLPデータセットからなるデータライブラリで構成される、ソーシャルAIデータインフラストラクチャを構築しています。 インフラストラクチャにより、既存のデータセットの取り組みを分析し、異なるソーシャルインテリジェンスの観点から言語モデルのパフォーマンスを評価することができます。 多面的なデータセットの必要性、言語と文化の多様性の向上、より長期にわたる社会的状況、そして将来のソーシャルインテリジェンスデータ活動におけるよりインタラクティブなデータの必要性が示されている。
  論文  参考訳（メタデータ） (2024-02-28T00:22:42Z)
• Countering Misinformation via Emotional Response Generation [15.383062216223971]
  ソーシャルメディアプラットフォーム(SMP)における誤情報拡散は、公衆衛生、社会的結束、民主主義に重大な危険をもたらす。 これまでの研究では、社会的訂正が誤情報を抑制する効果的な方法であることが示された。 約1万のクレーム応答対からなる最初の大規模データセットであるVerMouthを提案する。
  論文  参考訳（メタデータ） (2023-11-17T15:37:18Z)
• 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)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
  異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。 我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。 3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
  論文  参考訳（メタデータ） (2022-04-19T12:10:03Z)
• Transfer Learning Approach for Arabic Offensive Language Detection System -- BERT-Based Model [0.0]
  サイバーヘイト、オンラインハラスメント、その他のテクノロジーの誤用が増えている。 ナチュラル・ランゲージ・プロセッシング(NLP)分野の高度な技術を活用して、オンラインヘイトフリーコミュニティの開発を支援することは、社会正義にとって重要な課題である。 本研究は,複数のアラビア語攻撃言語データセットに対する双方向変換モデル(BERT)の微調整と訓練の効果を個別に検討することを目的とする。
  論文  参考訳（メタデータ） (2021-02-09T04:58:18Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• BERT-based Ensembles for Modeling Disclosure and Support in Conversational Social Media Text [9.475039534437332]
  本稿では,RoBERTa と ALBERT を用いた文脈適応型単語埋め込みを用いた予測アンサンブルモデルを提案する。 提案手法は,F1スコアにおいて,F1スコアにおいて3%の精度向上を達成し,すべての基準値においてベースモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-01T19:52:01Z)

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。