論文の概要: TIES: Temporal Interaction Embeddings For Enhancing Social Media Integrity At Facebook

• arxiv url: http://arxiv.org/abs/2002.07917v1
• Date: Tue, 18 Feb 2020 22:56:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 19:43:40.820997
• Title: TIES: Temporal Interaction Embeddings For Enhancing Social Media Integrity At Facebook
• Title（参考訳）: tie: facebookにおけるソーシャルメディアの完全性向上のための時間的インタラクション埋め込み
• Authors: Nima Noorshams, Saurabh Verma, Aude Hofleitner
• Abstract要約: 本稿では、ログな社会的相互作用を捉え、さらに適切な行動にフラグを立てるための新しい時間的相互作用埋め込みSモデルを提案する。 TIESは、Facebookスケールネットワークにおける教師付き、ディープラーニング、プロダクション準備ができているモデルである。 TIESの現実的な影響を示すために,誤報の拡散防止,偽アカウントの検出,広告支払いリスクの低減など,いくつかの応用を提示する。
• 参考スコア（独自算出の注目度）: 9.023847175654602
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Since its inception, Facebook has become an integral part of the online social community. People rely on Facebook to make connections with others and build communities. As a result, it is paramount to protect the integrity of such a rapidly growing network in a fast and scalable manner. In this paper, we present our efforts to protect various social media entities at Facebook from people who try to abuse our platform. We present a novel Temporal Interaction EmbeddingS (TIES) model that is designed to capture rogue social interactions and flag them for further suitable actions. TIES is a supervised, deep learning, production ready model at Facebook-scale networks. Prior works on integrity problems are mostly focused on capturing either only static or certain dynamic features of social entities. In contrast, TIES can capture both these variant behaviors in a unified model owing to the recent strides made in the domains of graph embedding and deep sequential pattern learning. To show the real-world impact of TIES, we present a few applications especially for preventing spread of misinformation, fake account detection, and reducing ads payment risks in order to enhance the platform's integrity.
• Abstract（参考訳）: 設立以来、facebookはオンラインソーシャルコミュニティの不可欠な部分となっている。 人々はFacebookを頼りにし、他の人とつながり、コミュニティを構築する。 その結果,急速に成長するネットワークの完全性を,迅速かつスケーラブルに保護することが最重要である。 本稿では、プラットフォームを悪用しようとする人々から、Facebookにおけるさまざまなソーシャルメディアエンティティを保護するための取り組みについて述べる。 本稿では、ログな社会的相互作用を捉え、さらに適切な行動にフラグを立てるための、新しい時間的相互作用埋め込み(TIES)モデルを提案する。 TIESは、Facebookスケールネットワークにおける教師付き、ディープラーニング、生産可能なモデルである。 整合性に関する先行研究は、主にソーシャルエンティティの静的または特定の動的機能のみをキャプチャすることに焦点を当てている。 対照的に、TIESはグラフ埋め込みと深部連続パターン学習の領域における最近の進歩により、これらの変動挙動を統一モデルで捉えることができる。 関連が現実世界に与える影響を示すために,不正情報の拡散防止,偽アカウント検出,広告の支払いリスク低減など,プラットフォームの整合性を高めるためのアプリケーションをいくつか紹介する。

関連論文リスト

• 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)
• Trust and Believe -- Should We? Evaluating the Trustworthiness of Twitter Users [5.695742189917657]
  ソーシャルメディア上のフェイクニュースは、個人と社会の両方に悪影響を及ぼす大きな問題である。 この作業において、私たちは、ソーシャルネットワークコミュニティに信頼を喚起するソリューションを提供したいと考えている。 本モデルでは,Twitter上で5万人の政治家の行動を分析し,評価されたユーザ毎に影響スコアを割り当てる。
  論文  参考訳（メタデータ） (2022-10-27T06:57:19Z)
• 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)
• SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction [59.064925464991056]
  ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。 SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。 公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
  論文  参考訳（メタデータ） (2021-12-05T01:49:18Z)
• Hater-O-Genius Aggression Classification using Capsule Networks [6.318682674371969]
  攻撃的なつぶやきを自動的に識別し分類する,エンドツーエンドのアンサンブルに基づくアーキテクチャを提案する。 ツイートは、Covertly Aggressive、Overtly Aggressive、Non-Aggressiveの3つのカテゴリに分類される。 我々の最良のモデルはCapsule Networksのアンサンブルであり、Facebookのテストセットで65.2%のF1スコアを獲得し、TRAC-2018の勝者よりもパフォーマンスが0.95%向上した。
  論文  参考訳（メタデータ） (2021-05-24T11:53:58Z)
• How Social Are Social Media The Dark Patterns In Facebook's Interface [9.824986063639155]
  我々は、HCIのツールを使用して、インターフェイス機能とこれらのドメインによって引き起こされる懸念との間の接続を見つける。 Dark Patternsに向けて、私たちは経験的な設計分析を使用して、ユーザのオンラインプライバシに影響を与えるインターフェースの干渉を特定します。
  論文  参考訳（メタデータ） (2021-03-19T10:40:29Z)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)
• Preserving Integrity in Online Social Networks [13.347579281117628]
  本稿では,オンラインプラットフォームとそのユーザをこのような被害から保護する技術の現状について調査する。 我々は,実践上有用であることが証明され,学術界から注目に値するテクニックを強調した。
  論文  参考訳（メタデータ） (2020-09-22T04:32:24Z)
• Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
  本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。 議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。 我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
  論文  参考訳（メタデータ） (2020-04-20T20:00:27Z)
• I Know Where You Are Coming From: On the Impact of Social Media Sources on AI Model Performance [79.05613148641018]
  我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。 最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2020-02-05T11:10:44Z)
• Quantifying the Vulnerabilities of the Online Public Square to Adversarial Manipulation Tactics [43.98568073610101]
  ソーシャルメディアモデルを用いて、コンテンツの品質に対するいくつかの敵の操作戦術の影響を定量化する。 ソーシャルメディアの目印である影響力のあるアカウントの存在は、操作するオンラインコミュニティの脆弱性を悪化させる。 これらの知見は、プラットフォームがソーシャルメディアユーザーによる操作のレジリエンスを高めるために使われる可能性があることを示唆している。
  論文  参考訳（メタデータ） (2019-07-13T21:12:08Z)

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。