XiaoMi-AI文件搜索系统
World File Search SystemTweets
cuet_binary_hackers in Climateactivism 2024：仇恨言语事件中基于变形金刚的模型的全面评估和卓越性能
气候变化对我们环境和生活的不断升级促使气候变化行动主义激增。但是，诸如Twitter之类的社交媒体平台的滥用为仇恨激进主义，针对个人，组织或整个社区的仇恨打开了大门。此外，推文中对立场的识别也具有至关重要的意义，尤其是在理解行动主义成功的概述中。因此，为了应对检测此类仇恨推文，确定其目标并从Tweets的立场的挑战，此共享任务引入了三个子任务，每个任务都旨在提及一个提到的问题。我们在所有三个子任务中都涉及，在本文中，我们在不同的机器学习（ML），深度学习（DL），混合动力和基于变压器的模型之间进行了比较分析。我们的方法涉及对模型的适当高参数调整，并通过数据过采样来有效地处理类不平衡数据集。值得注意的是，我们的微调M-Bert在子任务A（仇恨语音检测）中获得了0.91的宏平均F 1分数，在子任务B（目标识别）中达到了0.74。另一方面，气候 - 伯特在子任务中的F 1得分为0.67。这些分数将我们定位在前沿，在各个子任务中获得第1，第6和15位。github 1中提供了任务的详细信息信息。
Rajkumar P1，G。Tanmai2，K。Ankitha2，M。Srilekha2（2024）。社交媒体上的深泡沫检测：利用深度学习和快速文本嵌入
DeepFake Technology使用AI来创建操纵媒体，对社交媒体平台上的信息完整性构成了重大威胁。在印度，Deepfake内容的兴起呈指数增长，尤其是在政治和娱乐领域，假新闻和AI生成的视频已经风靡一时，导致了错误的信息。主要目的是开发一个可靠的AI模型，该模型可以准确地检测到社交媒体平台上的深击内容，重点是使用FastText Embeddings识别机器生成的推文。传统方法涉及根据预定义的规则和关键字匹配的社交媒体帖子的人类审核，事实检查机构以及手动过滤。这些方法是耗时的，而且通常不准确，缺乏管理大量在线内容的可扩展性。手动检测深摄影和AI-AI-I-Actuct含量非常低效，容易出现错误，并且无法实时处理大量社交媒体数据。因此，在被识别或删除之前，有害和误导性信息可能会广泛传播。随着社交媒体在塑造公众舆论的日益影响，这项研究背后的动机是打击错误信息和维护在线话语的完整性。特别是深度学习模型可以通过自动化社交媒体内容的分析来显着改善对深击的检测。fastText嵌入将将推文转换为有意义的单词向量，而深度学习模型可以应用于对推文是人类生成还是AI生成的推文。与传统方法相比，这种方法提供了实时检测，提高准确性和可伸缩性。
评估CRISPR-CAS9
背景：基于CRISPR-CAS9的基因编辑方法的发现为生物学和医学工程的前所未有的新潜力开放，引发了人们对CRISPR应用的潜在和危险的越来越多的公众辩论。鉴于技术发展的速度和几乎瞬时的全球新闻传播，重要的是要遵循不断发展的辩论，毫不拖延，足够详细地进行，因为某些事件可能会对公众舆论产生重大的长期影响，后来又影响了政策决策。目的：Twitter等社交媒体网络已证明是新闻传播和公共话语的主要驱动力。他们几乎实时提供大量的半结构数据，并直接访问对话的内容。由于机器学习和自然语言处理的最新发展，我们现在可以快速挖掘和分析此类数据。方法：在这里，我们使用了来自Transformers（BERT）的双向编码器表示，一种基于注意力的变压器模型，结合统计方法来分析自2013年第一个基因编辑应用以来的CRISPR上发表的所有推文。结果：我们表明，推文的平均感情最初是非常积极的，但随着时间的流逝开始下降，并且这种下降是由强烈的负面情感的罕见峰推动的。由于数据的高时间分辨率，我们能够将这些峰与特定事件相关联，并观察趋势主题如何随时间变化。结论：总的来说，这种类型的分析可以为正在进行的公开辩论提供宝贵的补充见解，从而扩展了传统的经验生物伦理工具集。
评估CRISPR-CAS9
背景：基于CRISPR-CAS9的基因编辑方法的发现为生物学和医学工程的前所未有的新潜力开放，引发了人们对CRISPR应用的潜在和危险的越来越多的公众辩论。鉴于技术发展的速度和几乎瞬时的全球新闻传播，重要的是要遵循不断发展的辩论，毫不拖延，足够详细地进行，因为某些事件可能会对公众舆论产生重大的长期影响，后来又影响了政策决策。目的：Twitter等社交媒体网络已证明是新闻传播和公共话语的主要驱动力。他们几乎实时提供大量的半结构数据，并直接访问对话的内容。由于机器学习和自然语言处理的最新发展，我们现在可以快速挖掘和分析此类数据。方法：在这里，我们使用了来自Transformers（BERT）的双向编码器表示，一种基于注意力的变压器模型，结合统计方法来分析自2013年第一个基因编辑应用以来的CRISPR上发表的所有推文。结果：我们表明，推文的平均感情最初是非常积极的，但随着时间的流逝开始下降，并且这种下降是由强烈的负面情感的罕见峰推动的。由于数据的高时间分辨率，我们能够将这些峰与特定事件相关联，并观察趋势主题如何随时间变化。结论：总的来说，这种类型的分析可以为正在进行的公开辩论提供宝贵的补充见解，从而扩展了传统的经验生物伦理工具集。
在社会科学中提示生成的大语言模型以进行注释任务
本文探讨了开放式生成大语言模型（LLM）用于社会科学中的注释任务。该研究强调了与专有模型相关的挑战，例如有限的可重复性和隐私问题，并提倡采用可以在独立设备上操作的开放式（来源）模型。提供了两个注释任务的示例，推文中的情感分析以及童年期志向论文中的休闲活动的识别。该研究评估了不同提示策略和模型的性能（Neural-Chat-7b-V3-2，Starling-LM-7B-Alpha，OpenChat_3.5，Zephyr-7b-Alpha和Zephyr-7b-7b-Beta）。结果表明需要仔细验证和量身定制的及时工程。该研究强调了开放模型的数据隐私和可重复性的优势。
Twitter文本挖掘分析
背景：Covid-19的大流行使平衡健康饮食在加强人类免疫系统中所扮演的关键作用。在Twitter等社交媒体平台上，人们对与营养有关的信息引起了人们的兴趣。迫切需要评估和理解公众舆论，态度和对在Twitter上共享的与营养相关信息的情感。目的：本研究使用文本挖掘来分析Twitter上与营养相关的消息，以识别和分析公众如何感知各种食品组和饮食，以改善对SARS-COV-2病毒的免疫力。方法：我们收集了71,178个与营养有关的推文，这些推文在2020年1月1日，2020年至9月30日之间发布。相关的解释文本挖掘算法用于识别用户提到的经常讨论的主题，这些主题有助于对SARS-COV-2的免疫力建立。我们评估了这些主题的相对重要性，并进行了情感分析。我们还定性地检查了这些推文，以更深入地了解与营养有关的主题和食品组。结果：文本挖掘产生了10个主题，用户在Twitter，Viz蛋白质，全谷物，水果，蔬菜，与乳制品有关的，香料和草药，液体，补充剂，可避免的食物和特殊饮食中经常讨论的主题。补充剂是最常讨论的主题（23,913/71,178，33.6％），比例较高（20,935/23,913，87.75％），表现出积极情绪，得分为0.41。香料和草药（8719/71,178，12.25％）和可避免的食物（8619/71,178，12.11％）也经常讨论。消耗液体（17,685/71,178，24.85％）和水果（14,807/71,178，20.80％）是第二和第三频繁的主题，具有良好的积极情绪。对较高比例的可避免食品（7627/8619，84.31％）的负面情感，情感得分为–0.39。结论：本研究确定了用户讨论的10个重要食品群和相关的情感，这些情绪是提高免疫力的一种手段。我们的发现可以帮助营养师和营养学家制定适当的干预措施和饮食计划。
2022 年 3 月威胁重点报告 - WithSecure
3 月 22 日，LAPSUS$ 威胁行为者在其电报频道上发帖，声称已经入侵了身份提供商 Okta。LAPSUS$ 提供了屏幕截图，显示了对 Okta 内部系统的访问权限。所有屏幕截图似乎都显示日期为 2022 年 1 月 21 日。WithSecure 无法独立验证这些屏幕截图，但 Okta 的首席执行官发布了推文，似乎证实了子处理器的一名支持工程师在那个时候受到了攻击。Okta 后来发布了一份声明，表示他们不认为入侵会对 Okta 的客户造成任何影响。随后，另一份声明对此进行了更正，该声明提供了详细信息，表明 Okta 认为其 2.5% 的客户可能受到了入侵的影响。
人工智能翻译和推特上的国际韩流粉丝
Judy Yae Young Kim，西蒙弗雷泽大学 摘要 本文最初是为 Sun-Ha Hong 的 CMNS 253W 课程“信息技术简介：新媒体”撰写的。作业要求学生撰写一篇短文，批判性地分析所选技术及其对不同类型的人和社会关系的现有/潜在影响。本文采用 APA 引用格式。 Twitter 上的人工智能翻译为国际 K-Pop 粉丝打开了许多大门。它使他们能够与自己喜欢的艺术家建立联系，而无需翻译的中间人。然而，通过这种方式，“机器人接管”的恐惧开始蔓延。人工智能翻译真的可以取代“真人”翻译吗？因此，在粉丝群中受到名人待遇的“真人”翻译会“失去工作”吗？本文探讨了人工智能如何无法重现“真人”翻译在 K-Pop 粉丝 Twitter 上创造的文化。因此，人工智能和人类必须共同努力，为国际 K-Pop 粉丝群提供最完整的翻译。本文对国际 K-Pop 粉丝和 K-Pop 艺术家发布的推文进行了内容分析，并引用了各种关于 AI 的文献。当 Twitter 首次在其平台上实施人工智能翻译时，它打开了许多大门。特别是，它对国际 K-Pop 粉丝产生了巨大影响，他们不再需要依赖其他粉丝来翻译他们最喜欢的艺术家的推文。只需轻触屏幕或单击按钮，他们就可以将他们最喜欢的艺术家说的话翻译成他们自己的语言。然而，即使在 Twitter 应用程序上实施了人工智能翻译，许多人仍然更喜欢并转向“真人”翻译（Aisyah，2017 年，第 76 页）。毕竟，人们认为人工智能翻译——“机器”翻译会错过许多文化细微差别，而这在任何翻译中都是至关重要的。然而，由于人工智能
社交媒体和疫苗犹豫
摘要 背景 随着全球范围内 COVID-19 疫苗接种计划的日益临近，了解社交媒体上反疫苗接种活动所带来的威胁至关重要。我们在全球范围内评估社交媒体和在线外国虚假宣传活动对疫苗接种率和对疫苗安全态度的影响。 方法 我们使用大 n 跨国回归框架来评估社交媒体对全球疫苗犹豫的影响。为此，我们从两个维度对社交媒体的使用进行操作：公众使用它来组织行动（使用数字社会项目指标），以及社交媒体上关于疫苗的负面言论水平（使用 2018-2019 年全球所有地理编码推文的数据集）。此外，我们还衡量了每个国家社交媒体上外国来源的协调虚假信息行动的水平（使用数字社会项目指标）。疫苗犹豫的结果以两种方式衡量。首先，我们使用民意调查来了解每个国家有多少比例的公众认为疫苗不安全（使用 137 个国家的 Wellcome 全球监测指标）。其次，我们使用了世卫组织针对 166 个国家的年度实际疫苗接种率数据。结果我们发现，使用社交媒体组织线下行动可以高度预测人们认为接种疫苗不安全的信念，而且随着社交媒体上组织活动的增多，这种信念会日益增强。此外，外国虚假信息的盛行在预测平均疫苗接种覆盖率随时间下降方面具有高度统计和实质性意义。5 点虚假信息量表中每上升 1 点，平均疫苗接种覆盖率就会同比下降 2 个百分点。我们还发现有证据支持外国虚假信息与社交媒体上有关疫苗接种的负面活动之间的联系。外国虚假信息的实质性影响是使中位数国家的负面疫苗推文数量增加了 15%。结论社交媒体上的组织活动与公众对疫苗安全性的疑虑之间存在显著关系。此外，外国虚假宣传活动与疫苗接种覆盖率下降之间存在显著关系。
使用TF-IDF技术在阿拉伯社交媒体中进行进攻性语言检测
摘要。我们的生活现在围绕社会交流，并且由于阿拉伯文本非常复杂并且包含了许多方言，因此在阿拉伯社交媒体上很难识别出令人反感的语言。本文研究了机器学习模型的实施。使用了选择的分类器，包括决策树，支持向量机，随机森林和逻辑回归。在实验中使用了包含4505个推文的“ ARCYBC”数据集，以评估机器学习模型的性能。根据实验的结果，使用更多运行可以增强机器学习模型的性能，尤其是在精度和召回率方面。随着更多的运行，决策树（DT）和随机森林（RF）分类器显示出更好的回忆和精度，但是DT分类器显示出更好的精度。