論文の概要: MigrationNarrate: A Dataset for Detection of Migration Narratives in YouTube Videos
- arxiv url: http://arxiv.org/abs/2608.20984v1
- Date: Fri, 21 Aug 2026 11:10:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.515377
- Title: MigrationNarrate: A Dataset for Detection of Migration Narratives in YouTube Videos
- Title（参考訳）: MigrationNarrate:YouTubeビデオのマイグレーションナラティブを検出するデータセット
- Abstract要約: MigrationNarrateは、英国で最初のマイグレーション物語を検出するためのマルチモーダルデータセットである。
12のマイグレーションスーパーナラティブと53のナラティブラベルの2段階の分類を用いて、YouTubeビデオの1,115本が注釈付けされた。
- 参考スコア（独自算出の注目度）: 9.357817918937174
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Narratives are central to how social communication is framed, making their detection critical for understanding and analysing public discourse. Prior work has explored narrative detection and extraction across diverse domains; however, migration narratives remain significantly understudied, primarily due to the absence of dedicated annotated datasets. Furthermore, public communication has recently shifted towards video-centric platforms, where narratives are conveyed through multimodal signals and consumed at scale. Despite this shift, narratives in videos remain largely unexplored. To bridge these gaps, we introduce MigrationNarrate, the first multimodal dataset for detection of migration narratives in the UK, consisting of 1,115 YouTube video transcripts annotated using a two-level taxonomy of 12 migration super-narratives and 53 narrative labels. This paper details the dataset design, collection, and annotations; together with benchmark results using a combination of pre-trained encoder models and both open- and closed-source Large Language Models. Finally, a thorough error analysis offers insights for future work.
- Abstract（参考訳）: ナラティブは社会的コミュニケーションの枠組みの中心であり、その発見は公衆の言論を理解し分析するために重要である。
以前の研究では、さまざまな領域にわたる物語の検出と抽出について検討されてきたが、主に専用の注釈付きデータセットがないために、マイグレーションの物語は著しく過小評価されている。
さらに、最近、公共通信はビデオ中心のプラットフォームへと移行し、物語はマルチモーダル信号を通じて伝達され、大規模に消費される。
この変化にもかかわらず、ビデオの物語はほとんど未解明のままである。
これらのギャップを埋めるために、英国で最初のマイグレーションナラティブを検出するためのマルチモーダルデータセットである、マイグレーションナラティブ12の2段階分類と53のナラティブラベルを使用して注釈付けされた1,115のYouTubeビデオスクリプティングからなる、マイグレーションナラレートを紹介した。
本稿では,事前学習したエンコーダモデルと,オープンソースおよびクローズドソースのLarge Language Modelsを組み合わせたベンチマーク結果とともに,データセットの設計,コレクション,アノテーションについて詳述する。
最後に、完全なエラー分析は将来の作業に対する洞察を提供する。
関連論文リスト
- Graph-Based Detection of Disinformation Narrative Diffusion between Russian and Ukrainian Telegram Channels [3.307377521803888]
本稿では,Telegramエコシステムにおける偽情報物語の識別と分析のためのグラフベースのフレームワークを提案する。
このアプローチは意味論的に関連する主張を物語レベルのクラスタに集約し、相互接続されたチャネル間の拡散をモデル化する。
論文 参考訳（メタデータ） (2026-05-09T08:35:16Z) - NOAH: Benchmarking Narrative Prior driven Hallucination and Omission in Video Large Language Models [8.6767620170781]
ビデオ大言語モデル(ビデオLLM)は、最近、キャプション、要約、質問応答といったタスクにおいて、強力なパフォーマンスを実現している。
多くのモデルやトレーニング手法は、物語の一貫性を高めるためにイベント間の連続性を明示的に奨励する。
我々は、このバイアスを、物語を先に呼ぶ2つの誤りの鍵となる要因として挙げる:幻覚(幻覚)、非存在事象、または既存の事象が誤って解釈される場合、そして、事実事象が周囲の状況と不一致しているため抑制される場合である。
論文 参考訳（メタデータ） (2025-11-09T17:41:11Z) - Towards Explainable Bilingual Multimodal Misinformation Detection and Localization [64.37162720126194]
BiMiは、地域レベルのローカライゼーション、言語間および言語間整合性検出、誤情報解析のための自然言語説明を共同で行うフレームワークである。
BiMiBenchは、実際のニュース画像とサブタイトルを体系的に編集するベンチマークである。
BiMiは、分類精度が+8.9で、ローカライゼーション精度が+15.9で、BERTScoreを+2.5で上回る。
論文 参考訳（メタデータ） (2025-06-28T15:43:06Z) - Narrative Shift Detection: A Hybrid Approach of Dynamic Topic Models and Large Language Models [0.4649452333875421]
本稿では,大規模言語モデルの言語理解能力と話題モデルの大規模適用性を組み合わせて,時間的変化を動的にモデル化する手法を提案する。
私たちは2009年から2023年まで、The Wall Street Journalのニュース記事のコーパスにパイプラインを採用しています。
論文 参考訳（メタデータ） (2025-06-25T09:25:15Z) - MMTrail: A Multimodal Trailer Video Dataset with Language and Music Descriptions [69.9122231800796]
MMTrailは,2000万回以上のトレーラークリップと視覚的キャプションを組み込んだ大規模マルチモーダルビデオ言語データセットである。
本稿では,27.1k時間以上のトレーラービデオで様々なモダリティアノテーションを実現するシステムキャプションフレームワークを提案する。
我々のデータセットは、大きめのマルチモーダル言語モデルトレーニングのためのパスを舗装する可能性がある。
論文 参考訳（メタデータ） (2024-07-30T16:43:24Z) - Tweet Insights: A Visualization Platform to Extract Temporal Insights
from Twitter [19.591692602304494]
本稿では,Twitterから得られた時系列データの大規模な収集について紹介する。
このデータは過去5年間に渡り、n-gramの頻度、類似性、感情、トピックの分布の変化を捉えている。
このデータの上に構築されたインタフェースは、時間的分析によって意味の変化を検出し、特徴付けることができる。
論文 参考訳（メタデータ） (2023-08-04T05:39:26Z) - Learning a Grammar Inducer from Massive Uncurated Instructional Videos [118.7279072358029]
映像支援文法帰納法は,映像情報を利用してより正確な構文文法を検索することを目的としている。
我々は手動で設計した機能なしでビデオスパン相関をよりよく学習できる新しいモデルを構築した。
我々のモデルは、ドメイン内のデータに基づいてトレーニングされた従来の最先端システムよりも高いF1スコアが得られる。
論文 参考訳（メタデータ） (2022-10-22T00:22:55Z) - Weakly-Supervised Action Detection Guided by Audio Narration [50.4318060593995]
ナレーション管理から学習し,RGB,モーションフロー,環境音などのマルチモーダル特徴を利用するモデルを提案する。
実験の結果,ノイズの多い音声ナレーションは優れた行動検出モデルを学ぶのに十分であることがわかった。
論文 参考訳（メタデータ） (2022-05-12T06:33:24Z) - StreamHover: Livestream Transcript Summarization and Annotation [54.41877742041611]
ライブストリームの書き起こしを注釈付けして要約するフレームワークであるStreamHoverを紹介します。
合計500時間以上のビデオに抽出的要約と抽象的要約を併用したベンチマークデータセットは,既存の注釈付きコーパスよりもはるかに大きい。
我々のモデルはより一般化され、強力なベースラインよりも性能が向上することを示す。
論文 参考訳（メタデータ） (2021-09-11T02:19:37Z) - Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。
我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。
我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
論文 参考訳（メタデータ） (2020-08-21T20:59:34Z)
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。