Core Concepts
SNSの投稿リーチを予測するための新しいアプローチとデータセットの導入。
Abstract
ソーシャルメディアにおける投稿リーチの理解と予測は重要。
CReAMタスクとして、ソーシャルメディア投稿が他よりも多くの反応を受けるかどうかを推定する。
提案されたGGEAは、大規模言語モデル(LLMs)を活用して分類モデルをガイドし、優れた予測を行う。
データセットCREDはThe White Houseのツイートペアから成り立ち、リツイート数で比較されている。
FLANG-RoBERTaモデルが最適なパフォーマンスを発揮し、GGEAはソーシャルメディア投稿リーチの予測において重要な進展を提供する。
INTRODUCTION
ソーシャルメディアにおけるポスト影響力の正確な予測能力は貴重である。
Crowd Reaction AssessMent(CReAM)と呼ばれる課題は複雑である。
The White Houseのツイートに焦点を当てた緻密に作成されたCREDデータセットが紹介されている。
METHODOLOGY
GGEA全体のアーキテクチャが示されており、FLANG-RoBERTaモデルが使用されていることが明らかになっている。
EXPERIMENT
GGEA(Claude)設定内で異なる分類器を試した結果、FLANG-RoBERTaが最も優れたパフォーマンスを発揮したことが示されている。
LIMITATIONS
研究は単一ソースから主にデータを利用しており、他のソーシャルメディアアカウントやトピックへの適用可能性が制限されている可能性がある。
CONCLUSION AND FUTURE DIRECTIONS
新しいデータセットと手法を導入し、ソーシャルメディア投稿への反応予測に新しい視点を提供している。
GGEAはClaudeの分析を取り入れた場合に最も優れたパフォーマンスを発揮し、LLMsが分類モデルに情報提供することで意思決定プロセスが向上する可能性がある。
Stats
クラウドリアクション推定タスク(CReAM)では、The White Houseから取得したツイートペアから成るCrowd Reaction Estimation Dataset(CRED)が使用されています。
FLANG-RoBERTaモデルは最適なパフォーマンスを発揮します。
GGEA(Claude)設定では異なる分類器実験結果も示されます。