論文の概要: Social-Annotate: Self-Healing Browser Extension to Annotate and Collect Social Media Data
- arxiv url: http://arxiv.org/abs/2607.01460v1
- Date: Wed, 01 Jul 2026 20:31:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.589902
- Title: Social-Annotate: Self-Healing Browser Extension to Annotate and Collect Social Media Data
- Title（参考訳）: ソーシャルアノテーション: ソーシャルメディアデータのアノテーションと収集のための自己修復ブラウザ拡張
- Authors: Ali Najafi, Ismail Uluturk, Onur Varol,
- Abstract要約: Social-Annotateは、オンラインプラットフォーム上でのデータ収集を容易にするフレキシブルなブラウザ拡張である。
カスタマイズ可能なフォームをWebページに注入することで、ユーザはネイティブ環境と対話しながらアノテーションをキャプチャする。
Social-Annotateは,非技術ユーザを対象とした調査フォームのための,ノーコードデザインインターフェースを提供する。
- 参考スコア（独自算出の注目度）: 4.5765295530618895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human-annotated data remains foundational for machine learning and social media analysis. However, traditional data collection often relies on cumbersome pipelines that isolate content from its original source, compromising ecological validity. To address these challenges, we present Social-Annotate, a flexible browser extension that facilitates direct data collection on online platforms. By injecting customizable forms into webpages, the tool captures annotations while users interact with the native environment. Social-Annotate offers no-code design interface for the survey forms for non-technical users. Since injecting custom elements directly into host platforms creates a brittle dependency on evolving interfaces, we integrate a self-healing agent powered by large language models. This automated pipeline autonomously detects structural changes, regenerates valid target selectors, and validates them within a live browser environment. Our extensible platform readily supports 12 platforms including social media like $\mathbb{X}$, Instagram, TikTok and P2P messaging platforms WhatsApp and Telegram. Social-Annotate significantly reduces data collection overhead and developer maintenance, enabling researchers of all technical backgrounds to focus on data analysis rather than engineering. Moreover, Social-Annotate provides an ecosystem for conducting intervention studies by dynamic content manipulation.
- Abstract（参考訳）: 人間の注釈付きデータは、機械学習とソーシャルメディア分析の基礎のままである。
しかし、伝統的なデータ収集は、しばしば、元のソースからコンテンツを分離する面倒なパイプラインに依存し、生態学的妥当性を損なう。
これらの課題に対処するため,オンラインプラットフォーム上でのデータ収集を容易にするフレキシブルなブラウザエクステンションSocial-Annotateを紹介した。
カスタマイズ可能なフォームをWebページに注入することで、ユーザはネイティブ環境と対話しながらアノテーションをキャプチャする。
Social-Annotateは,非技術ユーザを対象とした調査フォームのための,ノーコードデザインインターフェースを提供する。
ホストプラットフォームに直接カスタム要素を注入すると、進化するインターフェースへの不安定な依存が生じるため、大規模言語モデルを利用した自己修復エージェントを統合する。
この自動パイプラインは、構造的変化を自律的に検出し、有効なターゲットセレクタを再生し、ライブブラウザ環境内で検証する。
私たちの拡張プラットフォームは、$\mathbb{X}$、Instagram、TikTok、P2PメッセージングプラットフォームWhatsApp、Telegramなどのソーシャルメディアを含む12のプラットフォームを容易にサポートしています。
Social-Annotateは、データ収集のオーバーヘッドと開発者のメンテナンスを大幅に削減する。
さらに、Social-Annotateは動的コンテンツ操作による介入研究を行うエコシステムを提供する。
関連論文リスト
- Social Media Data Toolkit: Standardization and Anonymization of Social Network Datasets [5.06428614449742]
Social Media Data Toolkit(プロジェクトネーム)は、ソーシャルネットワークデータセットの標準化、匿名化、強化のために設計されたPythonフレームワークである。
projectnameは、さまざまなデータ構造をCommunity, Accounts, Posts, Actions, Entitiesで構成される汎用スキーマに統一する。
このフレームワークは、PII(Personally Identible Information)を保護する匿名モジュールと、LLM(Large Language Models)とネットワーク分析ツールを統合する拡張可能なエンリッチメント層を備えている。
論文 参考訳（メタデータ） (2026-04-30T10:56:49Z) - ComPASS: Towards Personalized Agentic Social Support via Tool-Augmented Companionship [55.402028219661986]
エージェントに外部ツールを付与し、多様なアクションを実行するためのツールを開発する。
われわれはまず、さまざまなマルチメディアアプリケーションをシミュレートするユーザ中心のツールを多数設計し、様々な種類のソーシャルサポート行動をカバーする。
ComPASS-Benchに基づいて,Qwen3-8Bモデルを微調整するためのツール使用記録をさらに合成し,タスク固有のComPASS-Qwenを生成する。
論文 参考訳（メタデータ） (2026-04-20T14:49:16Z) - SocialX: A Modular Platform for Multi-Source Big Data Research in Indonesia [0.0]
SocialXはインドネシアのビッグデータ研究のためのモジュラープラットフォームである。
異種データ収集、言語対応の事前処理、プラグイン可能な分析を統一されたソースに依存しないパイプラインに統合する。
論文 参考訳（メタデータ） (2026-03-27T10:22:34Z) - MARSAD: A Multi-Functional Tool for Real-Time Social Media Analysis [7.268812063067803]
MARSADは、リアルタイムソーシャルメディア監視と分析のために設計された多機能自然言語処理(NLP)プラットフォームである。
研究者や非技術者でも、ライブおよびアーカイブされたソーシャルメディアコンテンツの両方を調べることができる。
感情分析、感情分析、プロパガンダ検出、ファクトチェック、ヘイトスピーチ検出など、さまざまな側面にわたる詳細な可視化とレポートを生成する。
論文 参考訳（メタデータ） (2025-12-01T07:31:37Z) - RedNote-Vibe: A Dataset for Capturing Temporal Dynamics of AI-Generated Text in Social Media [48.63633320837672]
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。
論文 参考訳（メタデータ） (2025-09-26T08:36:45Z) - Bridging the Narrative Divide: Cross-Platform Discourse Networks in Fragmented Ecosystems [9.119607936530038]
政治談話は、様々なソーシャルネットワークで次第に断片化していった。
物語がどのように断片化された生態系を横切るかを理解するために、物語がどのように生態系を横切るかを予測する構造レンズを提供する。
これらの発見は、クロスプラットフォームガバナンス、コンテンツモデレーション、およびポリシー介入に影響を及ぼす。
論文 参考訳（メタデータ） (2025-05-22T16:53:52Z) - Multi-Platform Aggregated Dataset of Online Communities (MADOC) [64.45797970830233]
MADOCはBluesky、Koo、Reddit、Voat(2012-2024)のデータを集め、標準化している。
このデータセットは、標準化されたインタラクション記録と感情分析を通じて、プラットフォーム間の有害な振る舞いの進化の比較研究を可能にする。
論文 参考訳（メタデータ） (2025-01-22T14:02:11Z) - 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) - Federated Social Recommendation with Graph Neural Network [69.36135187771929]
本稿では,ソーシャル情報とユーザ・イテムの相互作用を融合させることにより,ソーシャル・レコメンデーションの問題であるソーシャル・リコメンデーションの緩和を提案する。
我々は textbfGraph Neural Network (FeSoG) を用いた textbfFedrated textbfSocial 推薦フレームワークを考案した。
論文 参考訳（メタデータ） (2021-11-21T09:41:39Z) - Curating Social Media Data [0.0]
本稿では,ソーシャルデータのクリーン化とキュレーションを可能にするデータキュレーションパイプラインであるCrowdCorrectを提案する。
当社のパイプラインは,既存の社内ツールを使用してソーシャルメディアデータのコーパスから自動機能抽出を行う。
このパイプラインの実装には、生データをキュレートするクラウドユーザの貢献を促進するために、マイクロタスクを自動生成するツールセットも含まれている。
論文 参考訳（メタデータ） (2020-02-21T10:07:15Z)
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。