GET-Tok：记录 2022 年秘鲁未遂政变的生成式 AI 增强多模态 TikTok 数据集
社会与信息网络
2024-02-09 v1 计算机与社会
人机交互
摘要
TikTok 是世界上最大且增长最快的社交媒体网站之一。然而，TikTok 的特征（如语音转录）经常缺失，而其他重要特征（如 OCR 或视频描述）并不存在。我们引入了生成式 AI 增强 TikTok (GET-Tok) 数据，这是一个通过生成式 AI 模型增强 TikTok 研究 API 来收集 TikTok 视频和增强数据的流水线。作为案例研究，我们收集了关于由秘鲁前总统 Pedro Castillo 发起的未遂政变及其伴随抗议的视频。该数据包含了从 2022 年 11 月 20 日到 2023 年 3 月 1 日（102 天）发布的 43,697 个视频的信息。生成式 AI 通过 TikTok 视频的转录、视频中显示内容的文本描述、视频内显示的文本以及视频中表达的立场来增强收集的数据。总体而言，该流水线将有助于在应用生成式 AI 的多模态环境下更好地理解在线讨论，特别是概述该流水线在非英语社交媒体中的效用。我们用于生成该流水线的代码位于公开的 Github 仓库中：https://github.com/gabbypinto/GET-Tok-Peru。
引用
@article{arxiv.2402.05882,
title = {GET-Tok: A GenAI-Enriched Multimodal TikTok Dataset Documenting the 2022 Attempted Coup in Peru},
author = {Gabriela Pinto and Keith Burghardt and Kristina Lerman and Emilio Ferrara},
journal= {arXiv preprint arXiv:2402.05882},
year = {2024}
}
备注
Github repository: https://github.com/gabbypinto/GET-Tok-Peru