May, 2016

HARRISON：社交网络中基于实际图片的标签推荐基准评估

PDF
TL;DR本文介绍 HARRISON 数据集，一个社交网络中针对真实世界图像的 hashtag 推荐基准测试集。使用具有卷积神经网络（CNN）的视觉特征提取器和基于神经网络的多标签分类器的基本框架，对数据集进行了评估。结果表明，针对真实世界图像的 hashtag 推荐任务需要对图像中情境的广泛和上下文理解。这项工作是社交网络中针对真实世界图像的第一次仅基于视觉实现 hashtag 推荐的尝试，该基准测试集有助于加速 hashtag 推荐的发展。
发现论文，激发创造
  • 多任务配对神经排名用于标签分割

    本文提出了一种基于神经网络和成对排名的方法，用于从社交媒体数据中提出具有元数据价值的 hashtag，并证明该方法比现有最先进的方法能够更准确地对 hashtag 进行分割。同时，作者还表明，这种更深层次的 hashtag 语义理解通过分割的方式对于情感分析等下游应用场景非常具有用处。

    Jun, 2019

  • 在 Hashtag 监管中分离自我表达和视觉内容

    本文介绍了一种基于联合分布的图像标记方法，该方法能够有效地解决用户提供的主观性标签在图像标记和检索过程中带来的问题，并提出了一种用户条件检索和标记方法。

    Nov, 2017

  • 当代语言：Hashtags 的实证分析

    本文对 Instagram 上分享的 hashtag 进行了首次大规模实证分析，揭示了从时空、语义和社会维度出发的一系列发现，其中包括时序模式可划分为四个不同群集、语义位移较大的 hashtag 有不可忽略的比例、用户分享较均匀的 hashtag 不易语义位移。最后，作者提出了一个双向图嵌入模型以总结用户的 hashtag 概要，并基于这些概要进行好友预测，证明 hashtag 具有强大的社交信号。

    May, 2019

  • 基于 Hashtag 的低资源推特分类

    本研究提出了一种基于 Hashtag 的推文分类模型（HashTation），该模型能够自动为输入推文生成有意义的 Hashtag，以提供有用的辅助信号进行推文分类。实验表明，HashTation 在低资源推文分类任务上取得了显著提高，从而减少了对大规模人工标记数据的需求。

    Feb, 2023

  • HashSet -- 一个用于 Hashtag 分割的数据集

    提出了一个新的散列标记数据集 ——HashSet 数据集，包括 1.9k 手动标注数据集和 3.3M 弱监督数据集，并表明现有的数据集不能很好地反映真实散列标记的变化，HashSet 数据集对于训练和评估散列标记模型提供了可供选择的散列标记集。

    Jan, 2022

  • 社交餐饮的自下而上分析

    本研究通过对 Instagram 上标签和社交网络数据的分析，尝试理解外部图片的内容以及其与已有标签的关联，特别地，通过纯粹的社交网络数据尝试识别食品图像的类别和内容，并证明了该方法在识别流行食品类别时的正确率可以达到 70% 以上，这表明通过数据驱动的分析可以为图片内容的关系及开发相关算法提供新的机遇和挑战。

    Mar, 2016

  • 多媒体社交分析的数据集和基准测试

    该论文介绍了一个通过从社交媒体网站获取包含多个成对图像 / 视频和文本的帖子以及包含图像 / 视频和 / 或文本的评论树来实现多模态学习的新的可公开获取的数据集，并提供了基线性能分析，适用于图像字幕、情感分析和预训练模型等多项任务。

    Jun, 2020

  • 建立仇恨言论检测数据集的信息检索方法

    通过信息检索领域的标准方法，采用池化和主动学习技术及任务分解和注释说明技巧，构建了一个更全面的针对 Twitter 中仇恨言论检测的基准数据集，并显示了现有检测模型在这些更广泛的仇恨形式测试中准确度的显著下降。

    Jun, 2021

  • 数据扩增语义关系推理在反亚裔仇恨言论检测中的应用

    本研究提出了一种新方法，利用情感话题标记在自然语言推理框架中增强仇恨言论检测，并在实际数据集上证明了其相对于现有表示学习模型的有效性。

    Apr, 2022

  • 实体感知图像标题生成

    提出了一种基于 CNN-LSTM 模型和知识图的算法来解决图像描述中缺少特定信息的问题，该模型通过填充来自于 hashtags 的具体命名实体，使得生成的基于输入图像的模板描述信息更加丰富，实验结果表明该模型在多种评价指标上显著优于单模态基准线。

    Apr, 2018