論文の概要: Why They Link: An Intent Taxonomy for Including Hyperlinks in Social Posts

• arxiv url: http://arxiv.org/abs/2601.17601v1
• Date: Sat, 24 Jan 2026 21:32:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.013573
• Title: Why They Link: An Intent Taxonomy for Including Hyperlinks in Social Posts
• Title（参考訳）: リンクする理由:ソーシャルポストにハイパーリンクを含ませる直感的な分類法
• Authors: Fangping Lan, Abdullah Aljebreen, Eduard C. Dragut,
• Abstract要約: URLは、ソーシャルメディアプラットフォームと幅広いウェブの間のブリッジとして機能し、ユーザー生成したコンテンツを外部情報リソースにリンクする。 Twitter(X)では、ツイートの5分の1が少なくとも1つのURLを含んでおり、情報発信において中心的な役割を担っている。 我々は、大規模クラウドソースアノテーションを使ったボトムアップなデータ駆動プロセスから始まるハイブリッドアプローチを通じて、ソーシャルポストにハイパーリンクを含めるための意図的分類を開発する。 最終分類は、6つのトップレベルカテゴリと26のきめ細かい意図クラスから構成され、多様なコミュニケーション目的を捉えている。
• 参考スコア（独自算出の注目度）: 8.617846623592962
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: URLs serve as bridges between social media platforms and the broader web, linking user-generated content to external information resources. On Twitter (X), approximately one in five tweets contains at least one URL, underscoring their central role in information dissemination. While prior studies have examined the motivations of authors who share URLs, such author-centered intentions are difficult to observe in practice. To enable broader downstream use, this work investigates reader-centered interpretations, i.e., how users perceive the intentions behind hyperlinks included in posts. We develop an intent taxonomy for including hyperlinks in social posts through a hybrid approach that begins with a bottom-up, data-driven process using large-scale crowdsourced annotations, and is then refined using large language model assistance to generate descriptive category names and precise definitions. The final taxonomy comprises 6 top-level categories and 26 fine-grained intention classes, capturing diverse communicative purposes. Applying this taxonomy, we annotate and analyze 1000 user posts, revealing that advertising, arguing, and sharing are the most prevalent intentions. This resulting taxonomy provides a foundation for intent-aware information retrieval and NLP applications, enabling more accurate retrieval, recommendation, and understanding of social media content.
• Abstract（参考訳）: URLは、ソーシャルメディアプラットフォームと幅広いウェブの間のブリッジとして機能し、ユーザー生成したコンテンツを外部情報リソースにリンクする。 Twitter(X)では、ツイートの5分の1が少なくとも1つのURLを含んでおり、情報発信において中心的な役割を担っている。 従来の研究では、URLを共有する著者のモチベーションを調べてきたが、そのような著者中心の意図は実際に観察することは困難である。 より広範なダウンストリーム使用を可能にするために、この研究は読者中心の解釈、すなわち、ユーザーが投稿に含まれるハイパーリンクの背後にある意図をどのように知覚するかを調査する。 我々は,大規模クラウドソースアノテーションを用いたボトムアップなデータ駆動プロセスから始まるハイブリッドアプローチを通じて,ソーシャルポストにハイパーリンクを組み込む意図的な分類法を開発し,その後,大規模言語モデルを用いた改良を行い,記述的カテゴリ名と正確な定義を生成する。 最終分類は6つのトップレベルカテゴリと26のきめ細かい意図クラスから構成され、多様なコミュニケーション目的を捉えている。 この分類を適用することで、1000のユーザー投稿を注釈付けして分析し、広告、議論、共有が最も一般的な意図であることを明らかにします。 この分類は、意図を認識した情報検索とNLPアプリケーションの基礎を提供し、ソーシャルメディアコンテンツのより正確な検索、レコメンデーション、理解を可能にする。

関連論文リスト

• Enhanced Semantic Graph Based Approach With Sentiment Analysis For User Interest Retrieval From Social Sites [0.0]
  セマンティックグラフに基づくアプローチは、クライアントやユーザの参照を、ツイートなどの自身のテキストを分析して識別する研究手法である。 調査や評価などのインターネット関連のユーザアクティビティを必要とせず、ユーザの関心に関連する情報を収集する。
  論文  参考訳（メタデータ） (2024-08-08T11:58:41Z)
• Enhancing Content-based Recommendation via Large Language Model [19.005906480699334]
  本稿では,2つの主要コンポーネントを含む意味的知識伝達手法であるtextbfLoIDを提案する。 実世界のデータセットをベースラインとしたSOTAによる広範囲な実験を行い、本手法のLoIDを大幅に改善したことを示す。
  論文  参考訳（メタデータ） (2024-03-30T03:56:53Z)
• Improving Retrieval in Theme-specific Applications using a Corpus Topical Taxonomy [52.426623750562335]
  ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。 ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。 プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
  論文  参考訳（メタデータ） (2024-03-07T02:34:54Z)
• DiscoverPath: A Knowledge Refinement and Retrieval System for Interdisciplinarity on Biomedical Research [96.10765714077208]
  従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。 本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。 DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
  論文  参考訳（メタデータ） (2023-09-04T20:52:33Z)
• Pre-training for Information Retrieval: Are Hyperlinks Fully Explored? [19.862211305690916]
  本稿では,事前学習におけるハイパーリンクの利用を検討するために,プログレッシブハイパーリンク予測(PHP)フレームワークを提案する。 2つの大規模アドホック検索データセットと6つの質問回答データセットの実験結果は、既存の事前学習手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-14T12:03:31Z)
• The Fellowship of the Authors: Disambiguating Names from Social Network Context [2.3605348648054454]
  各エンティティに関する広範なテキスト記述を持つオーソリティリストは、欠落しており、曖昧な名前のエンティティである。 BERTをベースとした参照表現と,さまざまなグラフ誘導戦略を組み合わせて,教師付きクラスタ推論手法と教師なしクラスタ推論手法を実験する。 ドメイン内言語モデルの事前学習は,特により大きなコーパスに対して,参照表現を大幅に改善できることがわかった。
  論文  参考訳（メタデータ） (2022-08-31T21:51:55Z)
• Taxonomy Enrichment with Text and Graph Vector Representations [61.814256012166794]
  我々は,既存の分類学に新たな語を加えることを目的とした分類学の豊かさの問題に対処する。 我々は,この課題に対して,少ない労力で高い結果を得られる新しい手法を提案する。 我々は、異なるデータセットにわたる最先端の結果を達成し、ミスの詳細なエラー分析を提供する。
  論文  参考訳（メタデータ） (2022-01-21T09:01:12Z)
• iFacetSum: Coreference-based Interactive Faceted Summarization for Multi-Document Exploration [63.272359227081836]
  iFacetSumは、インタラクティブな要約と顔検索を統合している。 微粒なファセットは、クロスドキュメントのコア参照パイプラインに基づいて自動的に生成される。
  論文  参考訳（メタデータ） (2021-09-23T20:01:11Z)
• Named Entity Recognition for Social Media Texts with Semantic Augmentation [70.44281443975554]
  名前付きエンティティ認識のための既存のアプローチは、短いテキストと非公式テキストで実行される場合、データ空間の問題に悩まされる。 そこで我々は,NER によるソーシャルメディアテキストに対するニューラルベースアプローチを提案し,ローカルテキストと拡張セマンティクスの両方を考慮に入れた。
  論文  参考訳（メタデータ） (2020-10-29T10:06:46Z)
• TaxoExpan: Self-supervised Taxonomy Expansion with Position-Enhanced Graph Neural Network [62.12557274257303]
  分類学は機械解釈可能な意味論から成り、多くのウェブアプリケーションに貴重な知識を提供する。 そこで我々は,既存の分類学から,クエリの集合を自動生成するTaxoExpanという,新しい自己教師型フレームワークを提案する。 本研究では,(1)既存の分類学におけるアンカー概念の局所構造を符号化する位置強調グラフニューラルネットワーク,(2)学習モデルが自己超越データにおけるラベルノイズに敏感になるようなノイズローバスト学習の2つの手法を開発する。
  論文  参考訳（メタデータ） (2020-01-26T21:30:21Z)

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。