論文の概要: An Approach for Time-aware Domain-based Social Influence Prediction
- arxiv url: http://arxiv.org/abs/2001.07838v1
- Date: Sun, 19 Jan 2020 10:39:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-08 12:45:20.725621
- Title: An Approach for Time-aware Domain-based Social Influence Prediction
- Title（参考訳）: 時間的ドメインに基づく社会的影響予測へのアプローチ
- Authors: Bilal Abu-Salih, Kit Yan Chan, Omar Al-Kadi, Marwan Al-Tawil, Pornpit
Wongthongtham, Tomayess Issa, Heba Saadeh, Malak Al-Hassan, Bushra Bremie,
Abdulaziz Albahlal
- Abstract要約: 本稿では,ユーザの信頼性を計測し,予測するために,意味分析と機械学習モジュールを取り入れたアプローチを提案する。
本実験の評価は,高度に信頼性の高いドメインベースユーザを予測するために,組み込まれた機械学習技術の適用性を検証する。
- 参考スコア（独自算出の注目度）: 4.753874889216745
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online Social Networks(OSNs) have established virtual platforms enabling
people to express their opinions, interests and thoughts in a variety of
contexts and domains, allowing legitimate users as well as spammers and other
untrustworthy users to publish and spread their content. Hence, the concept of
social trust has attracted the attention of information processors/data
scientists and information consumers/business firms. One of the main reasons
for acquiring the value of Social Big Data (SBD) is to provide frameworks and
methodologies using which the credibility of OSNs users can be evaluated. These
approaches should be scalable to accommodate large-scale social data. Hence,
there is a need for well comprehending of social trust to improve and expand
the analysis process and inferring the credibility of SBD. Given the exposed
environment's settings and fewer limitations related to OSNs, the medium allows
legitimate and genuine users as well as spammers and other low trustworthy
users to publish and spread their content. Hence, this paper presents an
approach incorporates semantic analysis and machine learning modules to measure
and predict users' trustworthiness in numerous domains in different time
periods. The evaluation of the conducted experiment validates the applicability
of the incorporated machine learning techniques to predict highly trustworthy
domain-based users.
- Abstract（参考訳）: オンラインソーシャルネットワーク(OSN)は、人々がさまざまな状況や領域で意見、関心、考えを表現できる仮想プラットフォームを確立し、正当なユーザーだけでなく、スパマーや他の信頼できないユーザーがコンテンツを公開し、広めることを可能にする。
そのため、社会信頼の概念は情報処理・データサイエンティスト・情報消費者・企業から注目を集めている。
ソーシャルビッグデータ(SBD)の価値を取得する主な理由の1つは、OSNのユーザの信頼性を評価することのできるフレームワークと方法論を提供することである。
これらのアプローチは、大規模ソーシャルデータに対応するためにスケーラブルであるべきです。
したがって、分析プロセスを改善し、拡張し、SBDの信頼性を推測するために、社会的信頼を十分に理解する必要がある。
露出した環境の設定とosnに関する制限の少なさを考えると、mediumは正当で本物のユーザーだけでなく、スパマーや他の信頼性の低いユーザーもコンテンツを公開し、広めることができる。
そこで本稿では,意味分析と機械学習モジュールを用いて,異なる時間領域におけるユーザの信頼性を計測し,予測する手法を提案する。
実験の結果,組み込まれた機械学習技術の適用性を評価し,信頼性の高いドメインベースユーザを予測する。
関連論文リスト
- Evaluating Cultural and Social Awareness of LLM Web Agents [113.49968423990616]
CASAは,大規模言語モデルの文化的・社会的規範に対する感受性を評価するためのベンチマークである。
提案手法は,標準に違反するユーザクエリや観察を検知し,適切に応答するLLMエージェントの能力を評価する。
実験により、現在のLLMは非エージェント環境で大幅に性能が向上していることが示された。
論文 参考訳（メタデータ） (2024-10-30T17:35:44Z) - MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。
本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。
以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
論文 参考訳（メタデータ） (2024-10-13T18:16:50Z) - Explainable assessment of financial experts' credibility by classifying social media forecasts and checking the predictions with actual market data [6.817247544942709]
本稿では,自然言語処理と機械学習を組み合わせた,ソーシャルメディアの財務担当者に対する信頼性評価ソリューションを提案する。
コントリビュータの評判は、資産価値に基づいて予測を自動的に分類し、これらの予測を実際の市場データで検証することで評価される。
このシステムは、関連する特徴のモデルに依存しない分析に基づいて、その決定に関する自然言語による説明を提供する。
論文 参考訳（メタデータ） (2024-06-17T08:08:03Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Cross-Network Social User Embedding with Hybrid Differential Privacy
Guarantees [81.6471440778355]
プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。
特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。
ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
論文 参考訳（メタデータ） (2022-09-04T06:22:37Z) - Having your Privacy Cake and Eating it Too: Platform-supported Auditing
of Social Media Algorithms for Public Interest [70.02478301291264]
ソーシャルメディアプラットフォームは、情報や機会へのアクセスをキュレートするので、公衆の言論を形成する上で重要な役割を果たす。
これまでの研究では、これらのアルゴリズムが偏見や差別的な結果をもたらすことを示すためにブラックボックス法が用いられてきた。
本稿では,提案法の目標を満たすプラットフォーム支援型監査手法を提案する。
論文 参考訳（メタデータ） (2022-07-18T17:32:35Z) - Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文 参考訳（メタデータ） (2021-11-11T19:40:51Z) - SOK: Seeing and Believing: Evaluating the Trustworthiness of Twitter
Users [4.609388510200741]
現在、どのニュースやユーザーが信頼できるか、どれがそうでないかを自動で判断する方法はない。
本研究では、Twitter上で5万人の政治家の行動を分析するモデルを作成しました。
政治Twitterのユーザを、ランダムな森林、多層パーセプトロン、サポートベクターマシンを使って、信頼あるいは信頼できないと分類した。
論文 参考訳（メタデータ） (2021-07-16T17:39:32Z) - Information Credibility in the Social Web: Contexts, Approaches, and
Open Issues [2.2133187119466116]
信頼性(英語: Cliability)とは、個人によって認識される品質であり、必ずしも自分の認知能力と偽の情報とを区別できるわけではない。
ソーシャルメディアにおける信頼性を自動的に評価するためのいくつかのアプローチが提案されている。
論文 参考訳（メタデータ） (2020-01-26T15:42:43Z)
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。