論文の概要: An Analytical Emotion Framework of Rumour Threads on Social Media

• arxiv url: http://arxiv.org/abs/2502.16560v2
• Date: Tue, 13 May 2025 22:37:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 15:30:05.512994
• Title: An Analytical Emotion Framework of Rumour Threads on Social Media
• Title（参考訳）: ソーシャルメディア上でのリズムスレッドの分析的感情フレームワーク
• Authors: Rui Xing, Boyang Sun, Kun Zhang, Preslav Nakov, Timothy Baldwin, Jey Han Lau,
• Abstract要約: マルチアスペクト感情検出,反響スレッド,非反響スレッドを包括的に分析し,感情の相関分析と因果解析を行う。 我々の枠組みは、噂がよりネガティブな感情(例えば、怒り、恐怖、悲観主義)を引き起こすのに対して、非噂はよりポジティブな感情を引き起こすことを明らかにしている。
• 参考スコア（独自算出の注目度）: 70.99338702018942
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rumours in online social media pose significant risks to modern society, motivating the need for better understanding of how they develop. We focus specifically on the interface between emotion and rumours in threaded discourses, building on the surprisingly sparse literature on the topic which has largely focused on single aspect of emotions within the original rumour posts themselves, and largely overlooked the comparative differences between rumours and non-rumours. In this work, we take one step further to provide a comprehensive analytical emotion framework with multi-aspect emotion detection, contrasting rumour and non-rumour threads and provide both correlation and causal analysis of emotions. We applied our framework on existing widely-used rumour datasets to further understand the emotion dynamics in online social media threads. Our framework reveals that rumours trigger more negative emotions (e.g., anger, fear, pessimism), while non-rumours evoke more positive ones. Emotions are contagious, rumours spread negativity, non-rumours spread positivity. Causal analysis shows surprise bridges rumours and other emotions; pessimism comes from sadness and fear, while optimism arises from joy and love.
• Abstract（参考訳）: オンラインソーシャルメディアの噂は、現代の社会に重大なリスクをもたらし、どのように発展するかをよりよく理解する必要性を動機付けている。 我々は、スレッド化された談話における感情と噂のインターフェイスに特に焦点を合わせ、元の噂記事自体における感情の単一側面に主に焦点を合わせ、噂と非噂の相違を概ね見落としているトピックに関する驚くほどまばらな文献を構築した。 本研究は,マルチアスペクト感情検出機能を備えた総合的分析的感情分析フレームワークの提供,反響スレッドと非噂スレッドの対比,および感情の相関分析と因果解析の両立を図る。 我々は、既存の広く使われている噂データセットにフレームワークを適用し、オンラインソーシャルメディアスレッドの感情のダイナミクスをさらに理解した。 我々の枠組みは、噂がよりネガティブな感情(例えば、怒り、恐怖、悲観主義)を引き起こすのに対して、非噂はよりポジティブな感情を引き起こすことを明らかにしている。 感情は伝染性であり、噂は否定性を広げ、非噂は肯定性を広げている。 悲観主義は悲しみと恐怖から、楽観主義は喜びと愛から生まれる。

関連論文リスト

• Inside Out or Not: Privacy Implications of Emotional Disclosure [6.667345087444936]
  個人の情報共有行動の促進における感情の役割について,特に都市部や社会的結びつきとの関連について検討した。 我々は、位置と時間、感情、および個人情報共有行動を統合する新しい方法論を採用する。 その結果、自己報告された感情は、遠い社会集団との個人的情報共有行動に影響を及ぼし、一方中立的な感情は、個人が密接な社会サークルとより正確な情報を共有することにつながることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-18T08:42:45Z)
• Anger Breeds Controversy: Analyzing Controversy and Emotions on Reddit [25.395778771676024]
  我々は、オンラインディスカッションフォーラムの人気のあるネットワークであるRedditで論争を調査する。 私たちは感情検出を使用して、怒り、恐怖、喜び、賞賛など、テキストからさまざまな感情を認識する。
  論文  参考訳（メタデータ） (2022-12-01T07:57:54Z)
• Why Do You Feel This Way? Summarizing Triggers of Emotions in Social Media Posts [61.723046082145416]
  CovidET (Emotions and their Triggers during Covid-19)は、COVID-19に関連する英国のReddit投稿1,900件のデータセットである。 我々は、感情を共同で検出し、感情のトリガーを要約する強力なベースラインを開発する。 分析の結果,コビデットは感情特異的要約における新たな課題と,長文のソーシャルメディア投稿におけるマルチ感情検出の課題が示唆された。
  論文  参考訳（メタデータ） (2022-10-22T19:10:26Z)
• Empathetic Dialogue Generation via Sensitive Emotion Recognition and Sensible Knowledge Selection [47.60224978460442]
  情緒的対話生成のためのシリアル・アンド・感情知識相互作用(SEEK)法を提案する。 我々は,会話中の感情のダイナミックス(感情の流れ)に敏感な微粒なエンコーディング戦略を用いて,応答の感情依存特性を予測するとともに,知識と感情の相互作用をモデル化し,より敏感な応答を生成する新しい枠組みを設計する。
  論文  参考訳（メタデータ） (2022-10-21T03:51:18Z)
• Speech Synthesis with Mixed Emotions [77.05097999561298]
  異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。 次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。 実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
  論文  参考訳（メタデータ） (2022-08-11T15:45:58Z)
• When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
  感情をラベル付けした1万ツイートのCovidEmoを紹介します。 事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
  論文  参考訳（メタデータ） (2021-07-23T04:07:14Z)
• MIME: MIMicking Emotions for Empathetic Response Generation [82.57304533143756]
  共感応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造として見る。 共感反応は, 肯定的, 否定的, 内容に応じて, ユーザの感情を様々な程度に模倣することが多い。
  論文  参考訳（メタデータ） (2020-10-04T00:35:47Z)
• Emotion Correlation Mining Through Deep Learning Models on Natural Language Text [3.23176099204268]
  Webニュースからの自然言語テキストを通して感情認識と感情相関のギャップを埋めようとしている。 テキストによる感情認識から感情相関を抽出するために,3種類の特徴と2種類のディープニューラルネットワークモデルを示す。
  論文  参考訳（メタデータ） (2020-07-28T08:59:16Z)

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。