Fugu-MT 論文翻訳(概要): Les Misérables Dialogue: A film-based network representation of social communication

論文の概要: Les Misérables Dialogue: A film-based network representation of social communication

arxiv url: http://arxiv.org/abs/2610.13148v1
Date: Fri, 09 Oct 2026 07:38:15 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-13 04:06:29.457418
Title: Les Misérables Dialogue: A film-based network representation of social communication
Title（参考訳）: Les Misérables Dialogue: 映画に基づくソーシャルコミュニケーションのネットワーク表現
Abstract要約: 社会コミュニケーションの観点から,古典的なLes Misérablesベンチマークネットワークを再考する。我々は,各発話の話者,宛先,その他の受信者を明確に区別する,公開可能なLes Misérables temporal text networkを構築した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we revisit the classic Les Misérables benchmark network from the perspective of social communication. Using the 1998 film adaptation of the novel, we construct the publicly available Les Misérables Dialogue temporal text network, which explicitly distinguishes speakers, addressees, and other recipients of each utterance, along with its content and timing. Using the ten social dimensions model, we also derive multilayer network representations of the network, in which layers correspond to distinct relational dimensions. Beyond the network dataset, this work offers a general methodology for building similarly rich communication datasets from similar narrative sources.
Abstract（参考訳）: 本稿では,社会コミュニケーションの観点から,古典的なLes Misérablesベンチマークネットワークを再考する。小説の1998年の映画化を利用して、各発話の話者、宛先、その他の受信者を、その内容とタイミングとともに明確に区別する、公開可能なLes Misérables temporal text networkを構築した。また,10次元モデルを用いて,ネットワークの多層ネットワーク表現を導出する。ネットワークデータセット以外にも、同様の物語ソースから、同様のリッチなコミュニケーションデータセットを構築するための一般的な方法論を提供する。

関連論文リスト

Digital cloning of online social networks for language-sensitive agent-based modeling of misinformation spread [0.0]
オンラインソーシャルネットワーク内で拡散する誤情報を研究するためのシミュレーションフレームワークを開発する。我々は、ソーシャルメディア履歴を1万人以上のユーザー向けにダウンロードすることで、既知の偽情報共有ネットワークの「デジタルクローン」を作成する。
論文参考訳（メタデータ） (2024-01-23T06:02:03Z)
Social-LLM: Modeling User Behavior at Scale using Language Models and Social Network Data [13.660150473547766]
本稿では,ユーザ検出タスクにおけるソーシャルネットワークデータのモデリングに適した新しいアプローチを提案する。提案手法は,局所的なソーシャルネットワークのインタラクションを,大規模言語モデルの能力と統合する。実世界の7つのソーシャル・ネットワーク・データセットにまたがって、我々の手法を徹底的に評価する。
論文参考訳（メタデータ） (2023-12-31T05:13:13Z)
CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a Context Synergized Hyperbolic Network [52.85130555886915]
CoSynは、オンライン会話における暗黙のヘイトスピーチを検出するために、ユーザと会話のコンテキストを明示的に組み込んだ、コンテキスト中心のニューラルネットワークである。我々は、CoSynが、1.24%から57.8%の範囲で絶対的に改善された暗黙のヘイトスピーチを検出することで、我々のベースラインを全て上回っていることを示す。
論文参考訳（メタデータ） (2023-03-02T17:30:43Z)
Less Data, More Knowledge: Building Next Generation Semantic Communication Networks [180.82142885410238]
本稿では、スケーラブルなエンドツーエンドセマンティック通信ネットワークの最初の厳密なビジョンを示す。まず、セマンティック・コミュニケーション・ネットワークの設計は、データ駆動型ネットワークから知識駆動型ネットワークへどのように移行する必要があるかについて議論する。意味表現と言語を用いることで、従来の送信機と受信機が教師と見習いになることを示す。
論文参考訳（メタデータ） (2022-11-25T19:03:25Z)
TeKo: Text-Rich Graph Neural Networks with External Knowledge [75.91477450060808]
外部知識を用いた新しいテキストリッチグラフニューラルネットワーク(TeKo)を提案する。まず、高品質なエンティティを組み込んだフレキシブルな異種セマンティックネットワークを提案する。次に、構造化三重項と非構造化実体記述という2種類の外部知識を導入する。
論文参考訳（メタデータ） (2022-06-15T02:33:10Z)
A Latent Space Model for Multilayer Network Data [0.2538209532048866]
アクターの共通集合上で定義された2つ以上のソーシャルネットワークを同時に特徴付けるベイズ統計モデルを提案する。モデルの主な特徴は階層的な事前分布であり、システム全体を共同で表現することができる。我々のモデルの性能は、アクターの種類、サイズ、関係性を考慮し、いくつかの実世界のデータセットを用いて説明される。
論文参考訳（メタデータ） (2021-02-18T00:53:44Z)
NetReAct: Interactive Learning for Network Summarization [60.18513812680714]
本論文では,テキストコーポラによる感覚生成のネットワーク可視化を支援する,新しいインタラクティブネットワーク要約アルゴリズムであるNetReActを提案する。 netreactが、他の非自明なベースラインよりも、隠れたパターンを明らかにする高品質な要約や視覚化の生成に成功していることを示す。
論文参考訳（メタデータ） (2020-12-22T03:56:26Z)
Using word embeddings to improve the discriminability of co-occurrence text networks [0.1611401281366893]
共起ネットワークにおける仮想リンク作成ツールとしての単語埋め込みの利用により,分類システムの品質が向上するかどうかを検討する。その結果,Glove,Word2Vec,FastTextでは,スタイメトリータスクの識別性が向上していることがわかった。
論文参考訳（メタデータ） (2020-03-13T13:35:44Z)
Learning Structured Communication for Multi-agent Reinforcement Learning [104.64584573546524]
本研究では,マルチエージェント強化学習(MARL)環境下での大規模マルチエージェント通信機構について検討する。本稿では、より柔軟で効率的な通信トポロジを用いて、LSC(Learning Structured Communication)と呼ばれる新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-02-11T07:19:45Z)
I Know Where You Are Coming From: On the Impact of Social Media Sources on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文参考訳（メタデータ） (2020-02-05T11:10:44Z)

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。