SocialQuotes：学习网络中社交媒体引用的上下文角色
SocialQuotes: Learning Contextual Roles of Social Media Quotes on the Web
AI总结：
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。
摘要：
网络作者经常嵌入社交媒体以支持和丰富其内容，这创造了派生基于网络的跨平台社交媒体表示的潜力，从而能够实现更有效的社交媒体检索系统和更丰富的科学分析。作为实现这些能力的一步，我们引入了一种新颖的语言建模框架，该框架能够自动标注社交媒体实体在其嵌入的网络上下文中所扮演的角色。利用相关的传播理论，我们将社交媒体嵌入比作引用，将页面上下文形式化为结构化的自然语言信号，并识别了页面上下文中引用角色的分类体系。我们发布了 SocialQuotes，这是一个基于 Common Crawl 构建的新数据集，包含超过 3200 万条社交引用，其中 8.3k 条带有众包引用标注。利用 SocialQuotes 及其附带的标注，我们提供了一个角色分类案例研究，展示了现代 LLM 的合理性能，并通过页面内容消融展示了我们框架的可解释性方面。我们还对大量未标注引用进行了分类，揭示了网络上有趣的跨领域、跨平台角色分布。
英文摘要：
Web authors frequently embed social media to support and enrich their content, creating the potential to derive web-based, cross-platform social media representations that can enable more effective social media retrieval systems and richer scientific analyses. As step toward such capabilities, we introduce a novel language modeling framework that enables automatic annotation of roles that social media entities play in their embedded web context. Using related communication theory, we liken social media embeddings to quotes, formalize the page context as structured natural language signals, and identify a taxonomy of roles for quotes within the page context. We release SocialQuotes, a new data set built from the Common Crawl of over 32 million social quotes, 8.3k of them with crowdsourced quote annotations. Using SocialQuotes and the accompanying annotations, we provide a role classification case study, showing reasonable performance with modern-day LLMs, and exposing explainable aspects of our framework via page content ablations. We also classify a large batch of un-annotated quotes, revealing interesting cross-domain, cross-platform role distributions on the web.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
