Feb, 2017

支持新闻业中用户生成内容的使用

PDF
TL;DR研究了社交媒体以及用户生成内容（UGC）在新闻工作中的作用，探索设计工具以帮助新闻报道的影响。通过一系列深入的民族志研究，报告了社交媒体验证 ' 仪表板 ' 原型的需求收集及其后续评估的结果，并反思了我们的研究结果对支持新闻工作工具设计的更广泛的影响。
social mediauser-generated contentjournalistic workethnographic studiesverification dashboard
发现论文，激发创造
  • 在线新闻源的多源社交反馈

    本文介绍了一个大型数据集，旨在为预测分析任务提供评估比较的基准数据，并涵盖了新闻内容、社交反馈等信息以及经济、微软、奥巴马和巴勒斯坦等四个主题。

    Jan, 2018

  • 新闻媒体来源的交互式框架

    我们提出了一个交互式框架来进行新闻媒体分析，结合了基于图的新闻媒体分析模型、预训练的大型语言模型和人类洞察力，能够在社交媒体上快速检测出假新闻和有偏见的媒体，即使在最具挑战性的新闻事件的情境中，其中有未见过的测试数据。

    Sep, 2023

  • UGC-VIDEO：用户生成视频的感知质量评估

    为了便于对 UGC 视频质量进行评估，我们创建了一个 UGC 视频质量评估数据库，其中包含 50 个源视频以及由不同量化级别和编码标准压缩生成的多个失真版本。我们进行了主观质量评估，并对数据库进行了基准测试，观察到未来改进 UGC 视频质量测量方法的潜在空间。

    Aug, 2019

  • 在 Crowd4SDG 中使用众包分析社交媒体

    本研究提出了一种方法，对社交媒体进行灵活的支持，特别是在紧急情况下的社交媒体分析，基于自动化数据处理的工具可用于筛选、分类和地理位置标记内容，同时杂交方法支持人工数据分析师的反馈和建议，从民众中收集输入。通过 Euroopean 项目中的三个案例研究进行结果验证。

    Aug, 2022

  • YouTube UGC 数据集的主观质量评估

    研究使用众包平台收集用户主观评价数据，分析视频质量评估的各种维度，并调查全视频 MOS 及相应块的 MOS 之间的相关性，以及品质评分聚合中块变化的影响。

    Feb, 2020

  • 印度社交媒体视频质量的主观和客观分析

    我们通过对来自印度社交媒体平台 ShareChat 的一组移动源视频进行大规模主观研究，评估用户生成的移动视频内容的知觉质量，为视频质量研究提供文化、视觉和语言的多样化资源。

    Jan, 2024

  • 流媒体游戏视频的主观和客观分析

    本文的研究旨在理解 UGC 游戏视频的感知特征，采用主观人类研究和客观评估方法评价零星的 UGC 游戏视频，评估了包括基于自然视频统计和 CNN 学习特征的 GAME-VQP 模型在内的多个最新 VQA 模型，为游戏视频的 VQA 模型开发提供帮助。

    Mar, 2022

  • 用于视频压缩研究的 YouTube UGC 数据集

    该论文介绍了一个大规模的 UGC 数据集，讨论了在此场景下的压缩和质量评估的挑战并针对 UGC 的缺陷提出了无参考客观质量指标来评估 UGC 质量，通过三种这样的指标 (噪音、细节和颜色斑点，以及感知失真预估) 评估了所提供的 UGC 数据集。

    Apr, 2019

  • 用户个人资料在假新闻检测中的作用

    本文研究了解和利用社交媒体上的用户资料以便于发现假新闻。我们分析了用户在社交媒体上的分享行为以及其与真假新闻的关系，研究了隐式和显式资料特征，探讨了利用这些特征进行假新闻分类任务的可行性和有效性。

    Apr, 2019

  • UGC 质量评估：深度基于特征的质量评估中的显著性影响探索

    近年来，用户生成的内容（UGC）的数量增加了。这种类型的内容的挑战在于评估其质量。本文探讨了提取 / 组合自然场景统计和深度神经网络特征的最新度量标准，并尝试通过引入显著性地图来改善可感知性。我们使用公共数据集 YouTube-UGC 和 KoNViD-1k 对模型进行训练和测试。初步结果表明，仅使用深度特征可以实现较高的相关性，而添加显著性并不总是提升性能。我们的结果和代码将公开提供，以供研究社区使用，并可在我们的项目页面中找到：this https URL。

    Aug, 2023