論文の概要: Social Science Guided Feature Engineering: A Novel Approach to Signed
Link Analysis
- arxiv url: http://arxiv.org/abs/2001.01015v1
- Date: Sat, 4 Jan 2020 00:26:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-14 12:57:19.784576
- Title: Social Science Guided Feature Engineering: A Novel Approach to Signed
Link Analysis
- Title（参考訳）: ソーシャルサイエンスによる特徴工学: サイン付きリンク分析への新しいアプローチ
- Authors: Ghazaleh Beigi, Jiliang Tang, Huan Liu
- Abstract要約: リンク分析に関する既存の研究のほとんどは、符号なしのソーシャルネットワークに焦点を当てている。
負のリンクの存在は、符号付きネットワークの特性と原則が符号なしネットワークと異なるかどうかを調査することに関心を持つ。
近年の研究では、符号付きネットワークの特性が符号なしネットワークの特性と大きく異なることが示唆されている。
- 参考スコア（独自算出の注目度）: 58.892336054718825
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many real-world relations can be represented by signed networks with positive
links (e.g., friendships and trust) and negative links (e.g., foes and
distrust). Link prediction helps advance tasks in social network analysis such
as recommendation systems. Most existing work on link analysis focuses on
unsigned social networks. The existence of negative links piques research
interests in investigating whether properties and principles of signed networks
differ from those of unsigned networks, and mandates dedicated efforts on link
analysis for signed social networks. Recent findings suggest that properties of
signed networks substantially differ from those of unsigned networks and
negative links can be of significant help in signed link analysis in
complementary ways. In this article, we center our discussion on a challenging
problem of signed link analysis. Signed link analysis faces the problem of data
sparsity, i.e. only a small percentage of signed links are given. This problem
can even get worse when negative links are much sparser than positive ones as
users are inclined more towards positive disposition rather than negative. We
investigate how we can take advantage of other sources of information for
signed link analysis. This research is mainly guided by three social science
theories, Emotional Information, Diffusion of Innovations, and Individual
Personality. Guided by these, we extract three categories of related features
and leverage them for signed link analysis. Experiments show the significance
of the features gleaned from social theories for signed link prediction and
addressing the data sparsity challenge.
- Abstract（参考訳）: 多くの実世界の関係は、正のリンク(例えば友情や信頼)と負のリンク(例えば、敵と不信)を持つ符号付きネットワークで表される。
リンク予測は、レコメンデーションシステムなどのソーシャルネットワーク分析におけるタスクの進行を支援する。
リンク分析に関する既存の作業のほとんどは、無署名のソーシャルネットワークに焦点を当てている。
負リンクの存在は、署名されたネットワークの性質と原則が無署名ネットワークと異なるかどうかを調査する研究の関心をひきつけ、署名されたソーシャルネットワークのリンク分析に関する専門的な取り組みを義務付ける。
近年の研究では、符号付きネットワークの特性は符号なしネットワークと大きく異なることが示唆され、負のリンクは相補的な方法で符号付きリンク解析において大きな助けとなる。
本稿では,サイン付きリンク解析の難解な問題を中心に議論を行う。
符号付きリンク解析はデータ空間の問題に直面し、符号付きリンクのごく一部しか与えられない。
この問題は、ネガティブリンクがポジティブリンクよりもスペアである場合、ユーザーがネガティブリンクよりもポジティブな配置に傾いている場合、さらに悪化する可能性がある。
署名付きリンク分析における他の情報源の活用方法について検討する。
この研究は主に3つの社会科学理論、感情情報、イノベーションの拡散、個性によって導かれている。
これらをもとに3つの関連特徴のカテゴリを抽出し,それらをリンク解析に活用した。
実験は、サイン付きリンク予測とデータスパーシティチャレンジに対処するための社会理論から得られた特徴の重要性を示す。
関連論文リスト
- ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-05-23T16:40:07Z) - Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。
我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。
3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
論文 参考訳（メタデータ） (2022-04-19T12:10:03Z) - Analyzing Wikipedia Membership Dataset and PredictingUnconnected Nodes
in the Signed Networks [0.666659730119789]
本研究では、Precison-Recall曲線とROCの下の領域を用いて、ソーシャルネットワーク内の2人の非接続者間の関係を予測する方法について検討する。
ソーシャル・ネットワークを署名グラフとしてモデル化し、トライadicモデル、Latent Informationモデル、Sentimentモデルを比較し、ピア・ピア間の相互作用を予測する。
論文 参考訳（メタデータ） (2021-10-18T09:03:18Z) - POLE: Polarized Embedding for Signed Networks [2.6546685109604304]
署名ネットワークにおける機械学習の最近の進歩は、ソーシャルメディアの分極を減らすことを目的として、小さな介入を導くという約束を掲げている。
既存のモデルは、ユーザ間の競合(あるいは負のリンク)を予測するのに特に効果がない。
これはリンクサインとネットワーク構造の間に強い相関関係があるためである。
我々は、位相的類似点と符号的類似点の両方を同時にキャプチャする偏極グラフの符号付き埋め込み法であるPOLEを提案する。
論文 参考訳（メタデータ） (2021-10-17T19:28:47Z) - Harnessing the Power of Ego Network Layers for Link Prediction in Online
Social Networks [0.734084539365505]
予測は典型的には教師なしまたは教師なしの学習に基づいている。
個人の社会的構造に関するより豊かな情報は、より良い予測につながるかもしれないと我々は主張する。
社会的認識が予測性能に大きな改善をもたらすことを示す。
論文 参考訳（メタデータ） (2021-09-19T18:49:10Z) - Adversarial Robustness of Probabilistic Network Embedding for Link
Prediction [24.335469995826244]
リンク予測のための条件付きネットワーク埋め込み(CNE)の対角的ロバスト性について検討する。
ネットワークの小さな対向摂動に対するモデルのリンク予測の感度を測定した。
我々のアプローチでは、そのような摂動に最も弱いネットワーク内のリンクとリンクを識別できる。
論文 参考訳（メタデータ） (2021-07-05T11:07:35Z) - NetReAct: Interactive Learning for Network Summarization [60.18513812680714]
本論文では,テキストコーポラによる感覚生成のネットワーク可視化を支援する,新しいインタラクティブネットワーク要約アルゴリズムであるNetReActを提案する。
netreactが、他の非自明なベースラインよりも、隠れたパターンを明らかにする高品質な要約や視覚化の生成に成功していることを示す。
論文 参考訳（メタデータ） (2020-12-22T03:56:26Z) - Interpretable Signed Link Prediction with Signed Infomax Hyperbolic
Graph [54.03786611989613]
ソーシャルネットワークにおけるサイン付きリンク予測は、ユーザ(すなわちノード)間の基盤となる関係(リンク)を明らかにすることを目的としている
我々は Signed Infomax Hyperbolic Graph (textbfSIHG) と呼ばれる統一されたフレームワークを開発する。
高次ユーザ関係と複雑な階層をモデル化するために、ノードの埋め込みを投影し、より低歪みの双曲空間で測定する。
論文 参考訳（メタデータ） (2020-11-25T05:09:03Z) - Learning to Extrapolate Knowledge: Transductive Few-shot Out-of-Graph
Link Prediction [69.1473775184952]
数発のアウトオブグラフリンク予測という現実的な問題を導入する。
我々は,新しいメタ学習フレームワークによってこの問題に対処する。
我々は,知識グラフの補完と薬物と薬物の相互作用予測のために,複数のベンチマークデータセット上でモデルを検証した。
論文 参考訳（メタデータ） (2020-06-11T17:42:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。