論文の概要: Analyzing Sustainability Messaging in Large-Scale Corporate Social Media
- arxiv url: http://arxiv.org/abs/2511.01550v1
- Date: Mon, 03 Nov 2025 13:14:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 16:37:27.267231
- Title: Analyzing Sustainability Messaging in Large-Scale Corporate Social Media
- Title（参考訳）: 大規模企業ソーシャルメディアにおけるサステナビリティメッセージングの分析
- Authors: Ujjwal Sharma, Stevan Rudinac, Ana Mićković, Willemijn van Dolen, Marcel Worring,
- Abstract要約: 企業におけるソーシャルメディアコンテンツを分析するために、視覚と言語における大規模な基盤モデルを活用するマルチモーダル分析パイプラインを導入する。
我々は大規模な言語モデル(LLM)のアンサンブルを用いて17の持続可能な開発目標(SDG)とトピック的に一致した企業ツイートの大量のコーパスを注釈付けする。
このアプローチは、高価なタスク固有のアノテーションの必要性を回避し、ソーシャルメディアデータのためのアドホックアノテータのようなモデルの可能性を探る。
- 参考スコア（独自算出の注目度）: 14.475369468361441
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this work, we introduce a multimodal analysis pipeline that leverages large foundation models in vision and language to analyze corporate social media content, with a focus on sustainability-related communication. Addressing the challenges of evolving, multimodal, and often ambiguous corporate messaging on platforms such as X (formerly Twitter), we employ an ensemble of large language models (LLMs) to annotate a large corpus of corporate tweets on their topical alignment with the 17 Sustainable Development Goals (SDGs). This approach avoids the need for costly, task-specific annotations and explores the potential of such models as ad-hoc annotators for social media data that can efficiently capture both explicit and implicit references to sustainability themes in a scalable manner. Complementing this textual analysis, we utilize vision-language models (VLMs), within a visual understanding framework that uses semantic clusters to uncover patterns in visual sustainability communication. This integrated approach reveals sectoral differences in SDG engagement, temporal trends, and associations between corporate messaging, environmental, social, governance (ESG) risks, and consumer engagement. Our methods-automatic label generation and semantic visual clustering-are broadly applicable to other domains and offer a flexible framework for large-scale social media analysis.
- Abstract（参考訳）: 本研究では,企業におけるソーシャルメディアコンテンツの分析に視覚と言語における大規模な基盤モデルを活用するマルチモーダル分析パイプラインを導入し,サステナビリティ関連のコミュニケーションに着目した。
X(元Twitter)のようなプラットフォーム上での、進化し、マルチモーダルで、しばしばあいまいなコーポレートメッセージングの課題に対処するため、私たちは、大きな言語モデル(LLM)のアンサンブルを使用して、17の持続可能な開発目標(SDG)とトピック的に一致した企業ツイートの大規模なコーパスをアノテートします。
このアプローチは、コストがかかるタスク固有のアノテーションの必要性を回避し、ソーシャルメディアデータに対するアドホックアノテータのようなモデルの可能性を探る。
このテキスト解析を補完する視覚言語モデル(VLM)を,セマンティッククラスタを用いて視覚的サステナビリティ通信のパターンを明らかにする視覚理解フレームワークとして活用する。
この統合アプローチは、SDGエンゲージメント、時間的傾向、企業メッセージング、環境、社会、ガバナンス(ESG)リスクと消費者エンゲージメントの関連性において、セクシャルな違いを明らかにしている。
我々の手法-自動ラベル生成とセマンティック・ビジュアル・クラスタリングは、他の領域にも広く適用でき、大規模ソーシャルメディア分析のための柔軟なフレームワークを提供する。
関連論文リスト
- Linking Heterogeneous Data with Coordinated Agent Flows for Social Media Analysis [24.70488591952602]
ソーシャルメディアプラットフォームは大量の異種データを生成する。
異種マルチモーダルデータをリンクするエージェントシステムであるSIA(Social Insight Agents)を提案する。
SIAはソーシャルメディアから多様で有意義な洞察を効果的に発見できることを示す。
論文 参考訳（メタデータ） (2025-10-30T06:22:49Z) - LLM-based Contrastive Self-Supervised AMR Learning with Masked Graph Autoencoders for Fake News Detection [17.045049022252563]
デジタル時代における誤報の拡散は、社会的な大きな課題に繋がった。
既存のアプローチは、しばしば、長距離依存、複雑な意味関係、およびニュース拡散に影響を与える社会的ダイナミクスの獲得に苦慮する。
本稿では,複雑な意味関係とニュース伝搬ダイナミクスを融合した,自己教師型誤情報検出フレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-26T08:58:35Z) - Multimodal Fusion and Vision-Language Models: A Survey for Robot Vision [49.073964142139495]
マルチモーダル融合法と視覚言語モデルの適用と進歩を体系的に検討する。
セマンティックシーン理解タスクでは、エンコーダデコーダフレームワーク、アテンションベースアーキテクチャ、グラフニューラルネットワークに融合アプローチを分類する。
クロスモーダルアライメント、効率的な融合、リアルタイムデプロイメント、ドメイン適応など、現在の研究における重要な課題を特定します。
論文 参考訳（メタデータ） (2025-04-03T10:53:07Z) - A Review on Large Language Models for Visual Analytics [0.2209921757303168]
本稿では,視覚解析の理論的基盤と大規模言語モデル(LLM)の変容の可能性について概説する。
さらに、LLMと視覚分析の相乗効果が、データの解釈、可視化技術、対話的な探索機能をどのように強化するかを考察する。
本稿は,データ探索,可視化向上,自動レポート,洞察抽出支援における機能,強み,限界について論じる。
論文 参考訳（メタデータ） (2025-03-19T13:02:01Z) - SoMeLVLM: A Large Vision Language Model for Social Media Processing [78.47310657638567]
ソーシャルメディア処理のための大規模ビジョン言語モデル(SoMeLVLM)を提案する。
SoMeLVLMは、知識と理解、応用、分析、評価、作成を含む5つの重要な機能を備えた認知フレームワークである。
実験により,複数のソーシャルメディアタスクにおいて,SoMeLVLMが最先端のパフォーマンスを達成できることが実証された。
論文 参考訳（メタデータ） (2024-02-20T14:02:45Z) - Recent Advances in Hate Speech Moderation: Multimodality and the Role of Large Models [52.24001776263608]
この包括的調査は、HSモデレーションの最近の歩みを掘り下げている。
大型言語モデル(LLM)と大規模マルチモーダルモデル(LMM)の急成長する役割を強調した。
研究における既存のギャップを、特に表現不足言語や文化の文脈で特定する。
論文 参考訳（メタデータ） (2024-01-30T03:51:44Z) - Glitter or Gold? Deriving Structured Insights from Sustainability
Reports via Large Language Models [16.231171704561714]
本研究では,企業のサステナビリティレポートからESGに関する構造化された洞察を抽出するために,情報抽出(IE)手法を用いる。
次に、グラフに基づく表現を活用して、抽出された洞察に関する統計的分析を行う。
論文 参考訳（メタデータ） (2023-10-09T11:34:41Z) - A Unified Framework for Integrating Semantic Communication and
AI-Generated Content in Metaverse [57.317580645602895]
統合セマンティックコミュニケーションとAI生成コンテンツ(ISGC)は近年多くの注目を集めている。
ISGCはユーザ入力から意味情報を転送し、デジタルコンテンツを生成し、Metaverse用のグラフィックをレンダリングする。
最適化されたリソース割り当てのための統合ゲインを含む,ISGCの2つの主要なメリットをキャプチャする統合フレームワークを導入する。
論文 参考訳（メタデータ） (2023-05-18T02:02:36Z)
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。