Fugu-MT 論文翻訳(概要): Comparison of Common Crawl News & GDELT

論文の概要: Comparison of Common Crawl News & GDELT

arxiv url: http://arxiv.org/abs/2610.00587v1
Date: Wed, 30 Sep 2026 18:52:19 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-03 01:19:23.722148
Title: Comparison of Common Crawl News & GDELT
Title（参考訳）: Common Crawl News & GDELTの比較
Abstract要約: 本稿では,これらのタスクに現在使用されている2つのニュースデータセット,すなわちGDELT(Global Database of Events, Language, and Tone)とCommon Crawl Newsを比較した。私たちの研究は、データセットの長所と短所を強調し、その内容とカバレッジを分析します。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The corpus of worldwide news is important for natural language processing, knowledge graphs, large language models, and other technical efforts. Additionally, this corpus is important for understanding the people, places, organizations, and events that interact in real-time every day. This paper compares two news datasets used for these tasks today, namely the Global Database of Events, Language, and Tone (GDELT) and Common Crawl News. Our research highlights the strengths and limitations of each dataset, analyzing their content and coverage. Notably, while GDELT relies on broadcasts, prints, and web news from across the globe, Common Crawl focuses on news sites from around the world gathered through web crawling. Our analysis revealed considerable differences in where the two datasets gather their news sources.
Abstract（参考訳）: 世界的ニュースのコーパスは、自然言語処理、知識グラフ、大規模言語モデル、その他の技術的取り組みにおいて重要である。さらに、このコーパスは、毎日リアルタイムで対話する人々、場所、組織、イベントを理解するために重要です。本稿では,これらのタスクに現在使用されている2つのニュースデータセット,すなわちGDELT(Global Database of Events, Language, and Tone)とCommon Crawl Newsを比較した。私たちの研究は、データセットの長所と短所を強調し、その内容とカバレッジを分析します。特に、GDELTは世界中の放送、印刷物、ウェブニュースに依存しているが、Common Crawlはウェブクローリングを通じて収集された世界中のニュースサイトに焦点を当てている。分析の結果,2つのデータセットがどの位置でニュースソースを収集しているかに大きな違いが認められた。

関連論文リスト

NewsRECON: News article REtrieval for image CONtextualization [96.77112912009987]
本稿では,関連ニュース記事と画像をリンクして,記事メタデータから日付と場所を推測する手法であるNewsRECONを紹介する。 TARAと5Pils-OOCの実験では、NewsRECONは以前の作業よりも優れており、新しいSOTAを達成するためにマルチモーダルな大規模言語モデルと組み合わせることができる。
論文参考訳（メタデータ） (2026-01-20T16:15:53Z)
CrossNews-UA: A Cross-lingual News Semantic Similarity Benchmark for Ukrainian, Polish, Russian, and English [53.32175252285023]
言語間のニュース比較は、情報の検証に有望なアプローチを提供する。既存の言語間ニュース分析用のデータセットは、ジャーナリストや専門家によって手作業でキュレートされた。我々は、多言語間ニュース類似性評価のためのスケーラブルで説明可能なクラウドソーシングパイプラインを導入する。
論文参考訳（メタデータ） (2025-10-22T14:23:50Z)
A Python Tool for Reconstructing Full News Text from GDELT [0.0]
本稿では,新聞記事の全文をほぼゼロのコストで入手するための新しいアプローチを提案する。我々は,グローバルオンラインニュースソースから抽出したn-gramの高頻度更新を提供するGDELT Web News NGrams 3.0データセットに注目した。重なり合うテキストフラグメントを識別し、インテリジェントにマージすることで、これらのn-gramからフルテキストの記事を再構築するPythonコードを提供します。
論文参考訳（メタデータ） (2025-04-22T17:40:42Z)
Bridging Local Details and Global Context in Text-Attributed Graphs [62.522550655068336]
GraphBridgeは、コンテキストテキスト情報を活用することで、ローカルおよびグローバルな視点をブリッジするフレームワークである。提案手法は最先端性能を実現し,グラフ対応トークン削減モジュールは効率を大幅に向上し,スケーラビリティの問題を解消する。
論文参考訳（メタデータ） (2024-06-18T13:35:25Z)
A Multilingual Similarity Dataset for News Article Frame [14.977682986280998]
16,687の新しいラベル付きペアを用いた大規模ラベル付きニュース記事データセットの拡張版を導入する。本手法は,従来のニュースフレーム分析研究において,フレームクラスを手動で識別する作業を自由化する。全体としては10言語にまたがって26,555のラベル付きニュース記事ペアで利用可能な、最も広範な言語間ニュース記事類似性データセットを紹介します。
論文参考訳（メタデータ） (2024-05-22T01:01:04Z)
Analysing State-Backed Propaganda Websites: a New Dataset and Linguistic Study [6.011001795749255]
本稿では,国家支援型偽情報共有サイトであるReliable recent News (rn.world) と WarOnFakes (waronfakes.com) について分析する。コンテンツ取得手法を記述し、結果の多言語データセット上で、クロスサイト非教師なしトピッククラスタリングを行う。 14,053項目の新たなデータセットを公開し、各言語バージョンに注釈を付け、リンクや画像などのメタデータを追加します。
論文参考訳（メタデータ） (2023-10-21T15:00:27Z)
X-PARADE: Cross-Lingual Textual Entailment and Information Divergence across Paragraphs [55.80189506270598]
X-PARADEは、段落レベルの情報の分岐の最初の言語間データセットである。アノテーションは、対象言語における段落をスパンレベルでラベル付けし、ソース言語における対応する段落に対して評価する。アライメントされた段落は、異なる言語のウィキペディアページから引用される。
論文参考訳（メタデータ） (2023-09-16T04:34:55Z)
Identifying Informational Sources in News Articles [109.70475599552523]
我々は、ニュース執筆に使用される情報ソースの、最大かつ最も広範囲にアノテートされたデータセットを構築した。本稿では,ニュース記事中のソースの構成性を研究するための新しいタスクであるソース予測を導入する。
論文参考訳（メタデータ） (2023-05-24T08:56:35Z)
Local-Global Video-Text Interactions for Temporal Grounding [77.5114709695216]
本稿では,テキストクエリに関連するビデオの時間間隔を特定することを目的とした,テキスト間時間グラウンドリングの問題に対処する。そこで本研究では,テキストクエリにおける意味句の中間レベルの特徴の集合を抽出する,新しい回帰モデルを用いてこの問題に対処する。提案手法は,ローカルからグローバルへのコンテキスト情報を活用することにより,目標時間間隔を効果的に予測する。
論文参考訳（メタデータ） (2020-04-16T08:10:41Z)
Multimodal Analytics for Real-world News using Measures of Cross-modal Entity Consistency [8.401772200450417]
例えば、写真でテキストを豊かにするといったマルチモーダル情報は、ニュースをより効果的に伝達したり、注意を引くために使われる。本稿では,実世界のニュースにおける相互整合性検証の新たな課題を紹介し,画像とテキスト間の実体的一貫性を定量化するためのマルチモーダルアプローチを提案する。
論文参考訳（メタデータ） (2020-03-23T17:49:06Z)

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。