迈向社交食物的自下而上分析
计算机与社会
2016-03-16 v1 社会与信息网络
摘要
社交媒体通过提供丰富的个人数据、位置、标签和社交网络信息混合，为公共卫生研究提供了大量信息。其中，Instagram 最近成为许多计算社会科学研究的目标。然而，尽管 Instagram 专注于图像共享，大多数研究仅关注标签和社交网络结构。在本文中，我们首次对 Instagram 帖子进行大规模内容分析，同时处理图像和相关的标签，旨在理解在真实场景中拍摄的部分标注图像的内容，以及个人用作噪声标签的标签之间的关系。特别地，我们探索以数据驱动的方式学习识别食物图像内容的可能性，纯粹从社交网络数据中发现食物类别以及如何识别它们。值得注意的是，我们证明了我们的食物识别方法在识别流行的食物相关图像类别时，即使不使用手动标注，也常能达到超过 70% 的准确率。我们强调了此类图像内容数据驱动分析以及与标签关系的当前能力和未来挑战与机遇。
引用
@article{arxiv.1603.04497,
title = {Towards Bottom-Up Analysis of Social Food},
author = {Jaclyn Rich and Hamed Haddadi and Timothy M. Hospedales},
journal= {arXiv preprint arXiv:1603.04497},
year = {2016}
}
备注
in ACM Digital Health Conference 2016