SocialQuotes: Learning Contextual Roles of Social Media Quotes on the Web
Google Research(谷歌研究院)
提出一种语言建模框架自动标注社交媒体嵌入在网页上下文中的角色,并发布包含超3200万条引用的SocialQuotes数据集,通过角色分类案例研究展示了现代LLM的合理性能并揭示了跨平台角色分布。
2024-07-22 cs.CL
SMILE: Evaluation and Domain Adaptation for Social Media Language Understanding
Google Research(谷歌研究院)
本文提出SMILE基准,涵盖4个社交媒体平台和11项任务,用于评估语言模型对社交媒体语言的理解能力,并证明在混合语料上训练tokenizer和预训练可显著提升模型性能。
2023-06-30 cs.CL
A Discussion on Influence of Newspaper Headlines on Social Media
Trinity College Dublin, University of Dublin(都柏林大学圣三一学院)
报纸头条的贡献很大,并对社交媒体产生影响。本文研究了动词和形容词对新闻标题的影响力的持久性,并确定了影响其在社交媒体上的性质的因素。每个标题都根据其情绪得分分为积极,消极或中性。初步结果表明,情绪性质的强度与社交媒体印象呈正相关。此外,动词和形容词与情感得分有一定的关系
2019-09-05 cs.CL
Comparing Measures of Linguistic Diversity Across Social Media Language Data and Census Data at Subnational Geographic Areas
University of Canterbury(坎特伯雷大学)
该研究针对新西兰奥特亚罗瓦次国家级区域,对比社交媒体与人口普查数据的语言多样性度量,发现社交媒体数据可用于观测区域语言多样性时空变化,但需进一步验证其对现实行为的表征能力。
2023-08-21 cs.CL
Multi-Perspective Relevance Matching with Hierarchical ConvNets for Social Media Search
University of Maryland, College Park(马里兰大学帕克分校);Facebook Conversational AI(Facebook 对话人工智能);University of Waterloo(滑铁卢大学);Stanford University(斯坦福大学);Comcast Applied AI Research(康卡斯特应用人工智能研究)
尽管神经网络应用于信息检索有很大的兴趣,神经排名模型只被应用于标准的特设检索任务的网页和新闻专线文件。提出了MP-HCNN(Multi-Perspective Hierarchical卷积神经网络,Multi-Perspective Hierarchical Convolutional Neural Network),这是一种专门为短社交媒体帖子排名而设计的新型神经排名模型。我们确定的文档长度,非正式的语言,和异构的相关性信号的功能,区分在我们的领域中的文件,并提出了一个专门设计的模型,考虑到这些特点。我们的模型使用分层卷积层来学习字符,单词和短语级别的潜在语义软匹配相关信号。基于池化的相似性测量层集成来自查询、社交媒体帖子以及帖子中包含的URL之间的多种类型的匹配的证据。使用TREC微博跟踪2011- 2014年的Twitter数据进行的广泛实验表明,我们的模型显着优于先前的基于特征的以及现有的神经排名模型。据我们所知,本文提出了第一个实质性的工作,使用神经排名模型处理社交媒体帖子的搜索。
2019-06-22 cs.CL cs.IR
Integrating Lexical and Temporal Signals in Neural Ranking Models for Searching Social Media Streams
University of Maryland(马里兰大学);University of Waterloo(滑铁卢大学);Comcast Applied AI Research Labs(康卡斯特应用人工智能研究实验室)
在搜索社交媒体帖子流时,时间是一个重要的相关性信号。可以利用来自初始查询的结果的文档时间戳的分布来推断相关文档的分布,然后可以使用相关文档的分布来对初始结果进行重新排序。以前的实验表明,核密度估计是这个想法的一个简单而有效的实现。本文探讨了另一种方法来挖掘时间信号与循环神经网络。我们的直觉是,神经网络提供了一个更具表现力的框架来捕捉相邻文档在时间上的时间一致性。据我们所知,我们是第一个将词汇和时间信号集成到端到端神经网络架构中的公司,在该架构中,现有的神经排名模型用于生成查询-文档相似性向量,这些向量被馈送到双向LSTM层进行时间建模。我们的结果好坏参半:单独用于文档排序的现有神经模型相对于简单基线产生有限的改进,但是词汇和时间信号的集成相对于竞争性时间基线产生显著的改进。
2017-07-25 cs.CL cs.IR
Re-ranking Using Large Language Models for Mitigating Exposure to Harmful Content on Social Media Platforms
University of California, Davis(加州大学戴维斯分校);University of South Florida(佛罗里达州立大学);Microsoft Corporation(微软公司)
针对社交媒体推荐算法导致有害内容曝光的问题,提出在零样本和少样本设置下利用大型语言模型动态评估并重新排序内容序列的方法,无需大量标注数据,且在多数据集和模型配置下显著优于现有专有审核方法。
2025-05-29 cs.AI cs.CL cs.CY
FastLexRank: Efficient Lexical Ranking for Structuring Social Media Posts
Institute for Social Research(社会研究所);University of Michigan(密歇根大学)
本文提出 FastLexRank,通过优化句子图平稳分布计算将 LexRank 的时空复杂度由 O(n²) 降至 O(n),在保持评分一致的同时支持大规模社交媒体语料的实时核心推文识别。
2024-10-02 cs.CL stat.CO
Online News Media Website Ranking Using User Generated Content
University of Tehran(德黑兰大学);University of Houston(休斯顿大学);Institute for Research in Fundamental Sciences (IPM)(基础科学研究所(IPM))
新闻媒体网站是重要的在线资源,引起了文本挖掘研究者的极大关注。本研究的主要目的是提出一个从不同角度对在线新闻网站进行排名的框架。新闻网站的排名是一个有用的信息,它可以帮助许多与新闻相关的任务,如新闻检索和新闻推荐。在所提出的框架中,新闻网站的排名是通过计算三个措施介绍了文件和用户生成的内容的基础上。每项建议的衡量标准都从一个特定的角度关注新闻网站的表现,包括新闻报道的完整性、网站报道事件的多样性和速度。在这个框架中使用用户生成的内容,作为一个部分公正的,实时的和低成本的内容在网络上区分建议的新闻网站排名框架的文献。对BBC、CNN、NYTimes三家主要新闻网站的调查结果表明,BBC在新闻完整性和速度方面表现最好,NYTimes在新闻多样性方面表现最好。
2019-10-28 cs.CL cs.IR cs.SI
BRUMS at SemEval-2020 Task 12 : Transformer based Multilingual Offensive Language Identification in Social Media
University of Wolverhampton(伍尔弗汉普顿大学);Birmingham City University(伯明翰城市大学)
在本文中,我们描述了团队\textit{BRUMS}进入OffensEval 2:SemEval-2020中社交媒体中的多语言攻击性语言识别。OffensEval组织者向参与者提供了带有注释的数据集,其中包含来自阿拉伯语、丹麦语、英语、希腊语和土耳其语社交媒体的帖子。我们提出了一个多语言深度学习模型来识别社交媒体中的攻击性语言。总体而言,该方法达到了可接受的评价分数,同时保持了语言之间的灵活性。
2020-10-13 cs.AI cs.CL
SoMe: A Realistic Benchmark for LLM-based Social Media Agents
SoMe是一个用于评估基于大语言模型的社会媒体代理能力的现实基准,通过多样化任务和大量数据揭示了现有LLM在处理社交媒体任务中的局限性。
2025-12-09 cs.AI cs.CL cs.SI
AMUSED: An Annotation Framework of Multi-modal Social Media Data
University of Duisburg-Essen(杜伊斯堡-埃森大学);University of Agder(阿格德大学)
在本文中,我们提出了一个名为AMUSED的半自动化框架,用于从多个社交媒体平台收集多模态注释数据。该框架旨在通过在数据汇集过程中紧密结合机器和人类来缓解收集和注释社交媒体数据的问题。从专业新闻媒体或博客的文章列表中,AMUSED检测新闻文章中社交媒体帖子的链接,然后从相应的社交媒体平台下载同一帖子的内容,以收集有关该特定帖子的详细信息。该框架能够从Twitter,YouTube,Reddit等多个平台获取注释数据。该框架旨在减少社交媒体平台数据注释背后的工作量和问题。AMUSED可以应用于多个应用领域,作为用例,我们已经实现了从不同社交媒体平台收集COVID-19错误信息数据的框架。
2021-08-10 cs.CL cs.IR cs.SI
Multilingual Abusiveness Identification on Code-Mixed Social Media Text
Microsoft(微软);Indian Institute Of Technology (IIT) Guwahati(印度理工学院古瓦哈提分校)
随着时间的推移,社交媒体平台的使用率一直在增长。随着过去一年的封锁,人们的互动,对话和表达受到了身体上的限制,这种增长进一步加速。为了更好的用户体验,保持平台免受滥用内容的影响变得越来越重要。英语社交媒体内容已经做了很多工作,但非英语社交媒体上的文本分析相对来说还不够深入。非英语社交媒体内容还面临着代码混合、音译和在同一句话中使用不同经文的额外挑战。在这项工作中,我们提出了一种方法,包括印度语言的多语言Moj数据集上的滥用识别。我们的方法解决了非英语社交媒体内容的常见挑战,也可以扩展到其他语言。
2022-03-01 cs.CL cs.LG cs.SI
Spatial Data Mining of Public Transport Incidents reported in Social Media
Wrocław University of Science and Technology(弗罗茨瓦夫理工大学)
公共交通机构将社交媒体作为向乘客传达交通事故的重要工具。然而,虽然关于交通现象的短期日常信息通常以低延迟发布在社交媒体上,但其可用性是短期的,因为内容很少以聚合形式呈现。关于交通现象的社交媒体传播通常缺乏GIS注释,因为大多数社交媒体平台不允许将非POI GPS坐标附加到帖子。因此,对传输现象信息的分析是最少的。我们收集了一家波兰公共交通公司三年来在社交媒体上发布的用户评论。通过探索,我们推断出六类交通信息类型。我们成功地为社交媒体帖子构建了一个信息类型分类器,检测帖子中的站点名称,并将其与GPS坐标相关联,从而获得对长期聚合现象的空间理解。我们表明,我们的方法使公民科学,并使用它来分析三年的基础设施事件对乘客流动性的影响,以及对每个事件的情绪和反应规模。波兰语在空间语言理解方面资源不足,尤其是在社交媒体环境中。为了改善这种情况,我们发布了两个带注释的数据集:带有事件类型标签的社交媒体帖子,以及与注释情绪匹配的停止名称和社交媒体评论。我们还开源了实验代码库。
2021-10-11 cs.CL cs.LG cs.SI