論文の概要: LoCEC: Local Community-based Edge Classification in Large Online Social Networks

• arxiv url: http://arxiv.org/abs/2002.04180v2
• Date: Fri, 20 Mar 2020 05:53:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-01-02 01:45:27.424885
• Title: LoCEC: Local Community-based Edge Classification in Large Online Social Networks
• Title（参考訳）: LoCEC: 大規模オンラインソーシャルネットワークにおける地域コミュニティベースのエッジ分類
• Authors: Chonggang Song, Qian Lin, Guohui Ling, Zongyi Zhang, Hongzhao Chen, Jun Liao, Chuan Chen
• Abstract要約: オンラインソーシャルネットワークにおける関係は、しばしば現実世界におけるソーシャルなつながりを暗示する。 本稿では,関係分類タスクの課題を特定するために,WeChat関係の詳細な分析を行う。 本研究では,ユーザ関係を現実のソーシャル接続タイプに分類する,地域コミュニティベースのエッジ分類フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 9.137995918736586
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Relationships in online social networks often imply social connections in the real world. An accurate understanding of relationship types benefits many applications, e.g. social advertising and recommendation. Some recent attempts have been proposed to classify user relationships into predefined types with the help of pre-labeled relationships or abundant interaction features on relationships. Unfortunately, both relationship feature data and label data are very sparse in real social platforms like WeChat, rendering existing methods inapplicable. In this paper, we present an in-depth analysis of WeChat relationships to identify the major challenges for the relationship classification task. To tackle the challenges, we propose a Local Community-based Edge Classification (LoCEC) framework that classifies user relationships in a social network into real-world social connection types. LoCEC enforces a three-phase processing, namely local community detection, community classification and relationship classification, to address the sparsity issue of relationship features and relationship labels. Moreover, LoCEC is designed to handle large-scale networks by allowing parallel and distributed processing. We conduct extensive experiments on the real-world WeChat network with hundreds of billions of edges to validate the effectiveness and efficiency of LoCEC.
• Abstract（参考訳）: オンラインソーシャルネットワークにおける関係はしばしば、現実世界における社会的つながりを暗示する。 関係タイプに関する正確な理解は、ソーシャル広告やレコメンデーションなど、多くのアプリケーションに役立ちます。 ユーザ関係を事前定義型に分類するために,事前ラベル付きリレーションシップや豊富なリレーションシップのインタラクション機能を活用する試みが近年提案されている。 残念なことに、WeChatのような実際のソーシャルプラットフォームでは、機能データとラベルデータはどちらも疎結合で、既存のメソッドは適用できない。 本稿では,関係分類タスクの課題を特定するために,WeChat関係の詳細な分析を行う。 そこで本稿では,ソーシャルネットワーク上のユーザ関係を現実のソーシャル接続タイプに分類する,ローカルコミュニティベースのエッジ分類(LoCEC)フレームワークを提案する。 LoCECは、地域コミュニティ検出、地域分類、関係分類という3段階の処理を実行し、関係特徴と関係ラベルの空間的問題に対処する。 さらに、LoCECは並列および分散処理が可能な大規模ネットワークを扱うように設計されている。 実世界のWeChatネットワーク上で数十億のエッジで大規模な実験を行い、LoCECの有効性と効率性を検証する。

関連論文リスト

• Ranking-based Group Identification via Factorized Attention on Social Tripartite Graph [68.08590487960475]
  グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。 我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。 データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
  論文  参考訳（メタデータ） (2022-11-02T01:42:20Z)
• 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)
• Leveraging Social Influence based on Users Activity Centers for Point-of-Interest Recommendation [2.896192909215469]
  明示的な友情ネットワークとユーザ間の高いチェックインオーバラップに基づく2段階の友情を導入する。 その結果,提案手法は2つの実世界のデータセットにおいて最先端のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-01-10T16:46:27Z)
• 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)
• Knowledge-aware Coupled Graph Neural Network for Social Recommendation [29.648300580880683]
  我々は、アイテムやユーザ間で依存する知識をレコメンデーションフレームワークに注入する知識認識結合グラフニューラルネットワーク(KCGN)を提案する。 KCGNは,グローバルグラフ構造認識のための相互情報を活用することにより,高次ユーザ・アイテム関係符号化を実現する。 さらに、動的マルチタイプユーザ-イテム対話パターンをキャプチャする機能により、KCGNをさらに強化する。
  論文  参考訳（メタデータ） (2021-10-08T09:13:51Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• GCN-ALP: Addressing Matching Collisions in Anchor Link Prediction [40.811988657941946]
  問題のtextitanchorリンク予測は、ソーシャルネットワーク全体のユーザープロファイル、コンテンツ、ネットワーク構造上の共通の根拠とユーザーデータをリンクするために形式化されます。 マッチンググラフ上でのアンカーリンク予測を効率的に解く、ミニバッチ戦略によるグラフ畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2021-03-19T02:41:55Z)
• Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
  社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。 高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
  論文  参考訳（メタデータ） (2021-03-16T11:08:30Z)
• Who will accept my request? Predicting response of link initiation in two-way relation networks [7.547803601922528]
  本稿では、双方向ネットワークにおけるリンク開始フィードバックの予測方法である、ソーシャルネットワーク分析とマイニングにおける重要な問題に対処する。 双方向ネットワークにおける2つの個人間の関係には、招待者が受け入れた場合に確立されたリンクとなる1人の個人からのリンク招待が含まれる。 本稿では,この多層的手法によるリンク開始フィードバック予測問題を解く手法を提案する。
  論文  参考訳（メタデータ） (2020-12-21T08:14:37Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)
• DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation [50.08581302050378]
  ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。 ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。 本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
  論文  参考訳（メタデータ） (2020-01-15T08:45:34Z)

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。