論文の概要: RedNote-Vibe: A Dataset for Capturing Temporal Dynamics of AI-Generated Text in Social Media

• arxiv url: http://arxiv.org/abs/2509.22055v1
• Date: Fri, 26 Sep 2025 08:36:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.304919
• Title: RedNote-Vibe: A Dataset for Capturing Temporal Dynamics of AI-Generated Text in Social Media
• Title（参考訳）: RedNote-Vibe: ソーシャルメディアにおけるAI生成テキストの時間的ダイナミクスをキャプチャするデータセット
• Authors: Yudong Li, Yufei Sun, Yuhan Yao, Peiru Yang, Wanyue Li, Jiajun Zou, Yongfeng Huang, Linlin Shen,
• Abstract要約: ソーシャルメディアAIGT分析のための最初の縦長(5年)データセットであるRedNote-Vibeを紹介する。 このデータセットはXiaohongshuプラットフォームから提供されており、LLM以前の期間から2025年7月までのユーザエンゲージメントメトリクスとタイムスタンプが含まれている。 ソーシャルメディアの文脈でAIGTを検出するために,解釈可能なアプローチである心理言語AIGT検出フレームワーク(PLAD)を提案する。
• 参考スコア（独自算出の注目度）: 48.63633320837672
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The proliferation of Large Language Models (LLMs) has led to widespread AI-Generated Text (AIGT) on social media platforms, creating unique challenges where content dynamics are driven by user engagement and evolve over time. However, existing datasets mainly depict static AIGT detection. In this work, we introduce RedNote-Vibe, the first longitudinal (5-years) dataset for social media AIGT analysis. This dataset is sourced from Xiaohongshu platform, containing user engagement metrics (e.g., likes, comments) and timestamps spanning from the pre-LLM period to July 2025, which enables research into the temporal dynamics and user interaction patterns of AIGT. Furthermore, to detect AIGT in the context of social media, we propose PsychoLinguistic AIGT Detection Framework (PLAD), an interpretable approach that leverages psycholinguistic features. Our experiments show that PLAD achieves superior detection performance and provides insights into the signatures distinguishing human and AI-generated content. More importantly, it reveals the complex relationship between these linguistic features and social media engagement. The dataset is available at https://github.com/testuser03158/RedNote-Vibe.
• Abstract（参考訳）: 大規模言語モデル(LLM)の普及により、ソーシャルメディアプラットフォームにAIGT(AI-Generated Text)が広まり、コンテンツダイナミクスがユーザエンゲージメントによって駆動され、時間の経過とともに進化するユニークな課題が生まれている。 しかし、既存のデータセットは主に静的AIGT検出を描いている。 本研究では,ソーシャルメディアAIGT分析のための最初の縦長(5年)データセットであるRedNote-Vibeを紹介する。 このデータセットはXiaohongshuプラットフォームから提供されており、ユーザエンゲージメントのメトリクス(例えば、いいね!、コメント)と、LLM前から2025年7月までのタイムスタンプが含まれており、AIGTの時間的ダイナミクスとユーザインタラクションパターンの研究を可能にする。 さらに、ソーシャルメディアの文脈でAIGTを検出するために、心理言語学的AIGT検出フレームワーク(PLAD)を提案する。 実験の結果,PLADは優れた検出性能を示し,人間とAIが生成したコンテンツを区別するシグネチャに関する洞察を提供する。 さらに重要なのは、これらの言語的特徴とソーシャルメディアのエンゲージメントの複雑な関係を明らかにすることだ。 データセットはhttps://github.com/testuser03158/RedNote-Vibeで公開されている。

関連論文リスト

• Are We in the AI-Generated Text World Already? Quantifying and Monitoring AIGT on Social Media [38.99664377299462]
  ソーシャルメディアプラットフォームはAIGT(AI-Generated Texts)の存在感が高まっている その重要性にもかかわらず、AIGTがソーシャルメディア上でどの程度普及しているかは不明だ。 本稿では,オンラインソーシャルメディアプラットフォーム上でAIGTを定量化し,監視することを目的とする。
  論文  参考訳（メタデータ） (2024-12-24T04:04:54Z)
• An Attention-Based Denoising Framework for Personality Detection in Social Media Texts [1.6947975326871145]
  ユーザ生成テキストに基づくパーソナリティ検出は、幅広い応用可能性を持つ手法である。 長文に対する注意に基づく情報抽出機構(AIEM)を提案する。 ゴールド標準のTwitter-Myers-Briggs Type Indicatorデータセットでは,平均精度が10.2%向上した。
  論文  参考訳（メタデータ） (2023-11-16T14:56:09Z)
• Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
  ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。 自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。 本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
  論文  参考訳（メタデータ） (2023-07-05T20:16:20Z)
• GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
  我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
  論文  参考訳（メタデータ） (2023-06-02T12:09:59Z)
• A Comprehensive Survey of AI-Generated Content (AIGC): A History of Generative AI from GAN to ChatGPT [63.58711128819828]
  ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。 AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
  論文  参考訳（メタデータ） (2023-03-07T20:36:13Z)
• Evidential Temporal-aware Graph-based Social Event Detection via Dempster-Shafer Theory [76.4580340399321]
  ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。 ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。 ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
  論文  参考訳（メタデータ） (2022-05-24T16:22:40Z)
• End-to-End Active Speaker Detection [58.7097258722291]
  本稿では,特徴学習と文脈予測を共同で学習するエンド・ツー・エンドのトレーニングネットワークを提案する。 また、時間間グラフニューラルネットワーク(iGNN)ブロックを導入し、ASD問題における主要なコンテキストのソースに応じてメッセージパッシングを分割する。 実験により、iGNNブロックからの集約された特徴はASDにより適しており、その結果、最先端のアートパフォーマンスが得られることが示された。
  論文  参考訳（メタデータ） (2022-03-27T08:55:28Z)

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。