Multi-task Prompt Words Learning for Social Media Content Generation

要約

インターネットの急速な発展は人間の生活を大きく変えました。
人間はソーシャル メディア プラットフォーム上で自分自身を表現し、他者と交流することがますます増えています。
しかし、人工知能テクノロジーは生活のさまざまな側面で広く使用されていますが、ソーシャルメディアコンテンツ作成への応用はまだ空白です。
この問題を解決するために、我々は、トピック分類、感情分析、シーン認識、キーワード抽出などの複数のタスクを組み合わせて、より包括的なプロンプトワードを生成する、マルチモーダル情報融合に基づく新しいプロンプトワード生成フレームワークを提案します。
次に、一連のプロンプトワードを含むテンプレートを使用して、ChatGPT が高品質のツイートを生成できるようにします。
さらに、コンテンツ生成の分野では効果的かつ客観的な評価基準が存在しないため、ChatGPT ツールを使用してアルゴリズムによって生成された結果を評価し、コンテンツ生成アルゴリズムの大規模な評価を可能にします。
広範なコンテンツ生成に関する評価結果は、キューワード生成フレームワークが手動の方法や他のキューイング手法と比較して高品質のコンテンツを生成し、トピック分類、センチメント分析、およびシーン認識がコンテンツの明瞭さと画像との一貫性を大幅に向上させることを示しています。

要約(オリジナル)

The rapid development of the Internet has profoundly changed human life. Humans are increasingly expressing themselves and interacting with others on social media platforms. However, although artificial intelligence technology has been widely used in many aspects of life, its application in social media content creation is still blank. To solve this problem, we propose a new prompt word generation framework based on multi-modal information fusion, which combines multiple tasks including topic classification, sentiment analysis, scene recognition and keyword extraction to generate more comprehensive prompt words. Subsequently, we use a template containing a set of prompt words to guide ChatGPT to generate high-quality tweets. Furthermore, in the absence of effective and objective evaluation criteria in the field of content generation, we use the ChatGPT tool to evaluate the results generated by the algorithm, making large-scale evaluation of content generation algorithms possible. Evaluation results on extensive content generation demonstrate that our cue word generation framework generates higher quality content compared to manual methods and other cueing techniques, while topic classification, sentiment analysis, and scene recognition significantly enhance content clarity and its consistency with the image.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google