Fugu-MT 論文翻訳(概要): Gender Detection on Social Networks using Ensemble Deep Learning

論文の概要: Gender Detection on Social Networks using Ensemble Deep Learning

arxiv url: http://arxiv.org/abs/2004.06518v3
Date: Wed, 9 Sep 2020 21:54:34 GMT
ステータス: 翻訳完了
システム内更新日: 2022-12-13 22:59:51.701712
Title: Gender Detection on Social Networks using Ensemble Deep Learning
Title（参考訳）: エンサンブルディープラーニングを用いたソーシャルネットワーク上のジェンダー検出
Authors: Kamran Kowsari, Mojtaba Heidarysafa, Tolu Odukoya, Philip Potter, Laura E. Barnes, Donald E. Brown
Abstract要約: 文書分類はこのタスクの中心であるが、ソーシャルメディアのボリュームが増大するにつれて、従来の教師付き分類器の性能は低下している。本稿では,マルチモデルディープラーニングアーキテクチャを用いたアンサンブル分類による性別検出の文脈において,この問題に対処する。
参考スコア（独自算出の注目度）: 0.9493089670394843
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Analyzing the ever-increasing volume of posts on social media sites such as Facebook and Twitter requires improved information processing methods for profiling authorship. Document classification is central to this task, but the performance of traditional supervised classifiers has degraded as the volume of social media has increased. This paper addresses this problem in the context of gender detection through ensemble classification that employs multi-model deep learning architectures to generate specialized understanding from different feature spaces.
Abstract（参考訳）: FacebookやTwitterなどのソーシャルメディアサイトにおける投稿数の増加を分析するには、著者のプロファイリングのための情報処理方法の改善が必要である。文書分類はこの課題の中心であるが,ソーシャルメディアの量の増加に伴い,従来の教師付き分類器の性能は低下している。本稿では,複数モデル深層学習アーキテクチャを用いたアンサンブル分類による性別検出の文脈でこの問題に対処し,異なる特徴空間から特殊理解を生成する。

関連論文リスト

Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
論文参考訳（メタデータ） (2023-07-05T20:16:20Z)
A Comprehensive Survey on Deep Clustering: Taxonomy, Challenges, and Future Directions [48.97008907275482]
クラスタリングは、文献で広く研究されている基本的な機械学習タスクである。ディープクラスタリング(Deep Clustering)、すなわち表現学習とクラスタリングを共同で最適化する手法が提案され、コミュニティで注目を集めている。深層クラスタリングの本質的なコンポーネントを要約し、深層クラスタリングと深層クラスタリングの相互作用を設計する方法によって既存の手法を分類する。
論文参考訳（メタデータ） (2022-06-15T15:05:13Z)
Improved Topic modeling in Twitter through Community Pooling [0.0]
Twitterの投稿は短いが、他のテキストよりも一貫性が低いことが多い。著者が同じコミュニティに属しているツイートをグループ化する,トピックモデリングのための新しいプール方式を提案する。その結果、我々のコミュニティポーリング手法は、2つの異種データセットの指標の大部分において、他の手法よりも優れていた。
論文参考訳（メタデータ） (2021-12-20T17:05:32Z)
Learning from Heterogeneous Data Based on Social Interactions over Graphs [58.34060409467834]
本研究では,個別のエージェントが異なる次元のストリーミング特徴を観察しながら分類問題の解決を目指す分散アーキテクチャを提案する。私たちはそれを示します。戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。私たちはそれを示します。戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。
論文参考訳（メタデータ） (2021-12-17T12:47:18Z)
Designing weighted and multiplex networks for deep learning user geolocation in Twitter [0.0]
本研究は,重み付き多グラフの文献と最先端のディープラーニング技術を組み合わせた新しい手法を設計,評価することによって,この分野の研究に寄与する。本研究は,これらの手法の性能を評価し,公開されているTwitter-USデータセットのベースラインモデルと比較する。また、ラテンアメリカでの大規模なTwitterキャプチャに基づいて、新しいデータセットも公開しています。
論文参考訳（メタデータ） (2021-12-13T20:24:07Z)
Sexism Identification in Tweets and Gabs using Deep Neural Networks [6.531659195805749]
本稿では,さまざまなディープニューラルネットワークモデルアーキテクチャを用いて,テキストにおける性差別の分類について検討する。 IberLEF 2021 の Social neTworks (EXIST) タスクにおける sexism Identification から、つぶやきとギャブのデータセットに二項性差別の分類を行う。これらのモデルは、BERTとマルチフィルタCNNモデルを使用した最高のパフォーマンスで、競合のモデルと比較すると、比較的パフォーマンスがよい。
論文参考訳（メタデータ） (2021-11-05T16:57:08Z)
Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
論文参考訳（メタデータ） (2021-06-15T20:55:55Z)
A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文参考訳（メタデータ） (2021-05-26T14:37:07Z)
Context Decoupling Augmentation for Weakly Supervised Semantic Segmentation [53.49821324597837]
微調整されたセマンティックセグメンテーションは、近年深く研究されている困難な問題です。本稿では、オブジェクトが現れる固有のコンテキストを変更する Context Decoupling Augmentation (CDA) メソッドを紹介します。提案手法の有効性を検証するため, PASCAL VOC 2012データセットにいくつかの代替ネットワークアーキテクチャを用いた広範な実験を行い, CDAが様々なWSSS手法を新たな最先端技術に拡張できることを実証した。
論文参考訳（メタデータ） (2021-03-02T15:05:09Z)
CommuNety: A Deep Learning System for the Prediction of Cohesive Social Communities [14.839117147209603]
画像を用いた結束型ソーシャルネットワーク予測のための深層学習システムCommuNetyを提案する。提案したディープラーニングモデルは階層型CNNアーキテクチャで構成され,各結合ネットワークに関連する記述的特徴を学習する。また、画像中の人物の存在を定量化するための新しい顔共起周波数アルゴリズムと、予測されたソーシャルネットワークにおける個人間の関係の強さを分析する新しい写真ランキング手法を提案する。
論文参考訳（メタデータ） (2020-07-29T11:03:22Z)

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。