論文の概要: On the Limits to Multi-Modal Popularity Prediction on Instagram -- A New Robust, Efficient and Explainable Baseline

• arxiv url: http://arxiv.org/abs/2004.12482v2
• Date: Sat, 20 Feb 2021 13:39:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 13:43:55.963715
• Title: On the Limits to Multi-Modal Popularity Prediction on Instagram -- A New Robust, Efficient and Explainable Baseline
• Title（参考訳）: instagramにおけるマルチモーダル人気予測の限界について - 堅牢で効率的で説明可能な新しいベースライン
• Authors: Christoffer Riis, Damian Konrad Kowalczyk, Lars Kai Hansen
• Abstract要約: 人口ベースの人気予測のための,頑健で効率的で説明可能なベースラインを提示する。 我々は,コンピュータビジョンにおける最新の手法を用いて,視覚的モダリティから抽出した情報を最大化する。 われわれの最強のモデルは、Instagramの人口ベースの人気予測可能性に限界があることを示唆している。
• 参考スコア（独自算出の注目度）: 5.859055059050023
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Our global population contributes visual content on platforms like Instagram, attempting to express themselves and engage their audiences, at an unprecedented and increasing rate. In this paper, we revisit the popularity prediction on Instagram. We present a robust, efficient, and explainable baseline for population-based popularity prediction, achieving strong ranking performance. We employ the latest methods in computer vision to maximize the information extracted from the visual modality. We use transfer learning to extract visual semantics such as concepts, scenes, and objects, allowing a new level of scrutiny in an extensive, explainable ablation study. We inform feature selection towards a robust and scalable model, but also illustrate feature interactions, offering new directions for further inquiry in computational social science. Our strongest models inform a lower limit to population-based predictability of popularity on Instagram. The models are immediately applicable to social media monitoring and influencer identification.
• Abstract（参考訳）: 私たちの世界人口は、Instagramのようなプラットフォーム上で視覚コンテンツを投稿し、自分自身を表現し、観客をエンゲージメントしようと試みている。 本稿ではinstagramでの人気予測について再検討する。 人口ベースの人気予測のための,頑健で効率的で説明可能なベースラインを提示し,高いランク付け性能を実現する。 視覚モーダルから抽出した情報を最大化するために,コンピュータビジョンにおける最新の手法を用いる。 トランスファー学習を用いて,概念やシーン,オブジェクトといった視覚意味論を抽出し,広範な説明可能なアブレーション研究において,新たなレベルの精査を可能にした。 機能選択を堅牢でスケーラブルなモデルに通知すると同時に,機能インタラクションを解説し,計算社会科学におけるさらなる探求のための新たな方向性を提供する。 われわれの最強モデルは、instagramにおける人口ベースの人気予測可能性の限界を知らせている。 モデルは直ちにソーシャルメディアの監視とインフルエンサー識別に適用できる。

関連論文リスト

• Contrastive Learning for Implicit Social Factors in Social Media Popularity Prediction [12.798988947331596]
  我々は、ポスト人気に影響を与えるソーシャルプラットフォームによってもたらされる要因について研究する。 これらの要因には、コンテンツ関連性、ユーザ影響の類似性、ユーザアイデンティティが含まれる。 本稿では、コンテンツ関連性、ユーザ影響の類似性、ユーザアイデンティティなど、人気に関する3つの暗黙的な社会的要因を提案する。
  論文  参考訳（メタデータ） (2024-10-12T03:25:11Z)
• PopALM: Popularity-Aligned Language Models for Social Media Trendy Response Prediction [6.979995957338177]
  本研究では,ソーシャルメディアイベントに対するトップライクなユーザ応答を自動的に生成するためのトレンド応答予測について検討する。 PopALM(Popularity-Aligned Language Models)を提案する。 実験では,トレンド応答予測のための大規模Weiboデータセットを構築し,その結果から,PopALMが高度な言語モデルの性能向上に役立つことが示された。
  論文  参考訳（メタデータ） (2024-02-29T08:28:04Z)
• Social Reward: Evaluating and Enhancing Generative AI through Million-User Feedback from an Online Creative Community [63.949893724058846]
  コミュニティ認識の一形態としての社会的報酬は、オンラインプラットフォームのユーザーがコンテンツに関わり、貢献する動機の強い源泉となる。 この作業はパラダイムシフトの先駆者であり、革新的な報酬モデリングフレームワークであるSocial Rewardを発表した。 私たちは、オンラインビジュアル作成と編集プラットフォームであるPicsartから、データセットのキュレーションと洗練の広範な旅に乗り出した。
  論文  参考訳（メタデータ） (2024-02-15T10:56:31Z)
• 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)
• Towards Proactively Forecasting Sentence-Specific Information Popularity within Online News Documents [13.537665342333488]
  本稿では,オンラインニュース文書中の文の人気を積極的に予測するタスクについて紹介する。 モデルをトレーニングするために、我々はInfoPopをキュレートする。 本稿では,文のサリエンス予測を補助課題とする転帰学習手法を提案する。
  論文  参考訳（メタデータ） (2022-12-31T08:40:08Z)
• Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction [59.221668173521884]
  本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。 エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
  論文  参考訳（メタデータ） (2022-04-18T09:25:06Z)
• Graph Representation Learning for Popularity Prediction Problem: A Survey [4.795530213347874]
  本稿では,人気予測問題に対するグラフ表現学習(GRL)手法を用いた既存研究の総合的なレビューを行う。 深層学習は、畳み込みニューラルネットワーク、グラフ畳み込みネットワーク、グラフ注意ネットワーク、グラフニューラルネットワーク、繰り返しニューラルネットワーク、強化学習の6つの小さなクラスに分類される。
  論文  参考訳（メタデータ） (2022-03-15T04:11:46Z)
• A Simple Long-Tailed Recognition Baseline via Vision-Language Model [92.2866546058082]
  視覚の世界は自然にオープンクラスの長い尾の分布を示しており、現代の視覚システムには大きな課題をもたらしている。 視覚認識のための新しい経路におけるコントラスト言語事前学習の最近の進歩 我々は、長い尾の認識にコントラッシブな視覚言語モデルを活用するために、BALLADを提案する。
  論文  参考訳（メタデータ） (2021-11-29T17:49:24Z)
• Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
  モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。 近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。 知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
  論文  参考訳（メタデータ） (2021-10-27T12:19:56Z)
• Modeling Fashion Influence from Photos [108.58097776743331]
  位置情報とファッションブランドの2つのチャンネルに沿って、ファッションの影響を探究する。 44大都市からの770万枚のInstagramの写真の大規模なデータセットを活用しています。 以上の結果から,空間的・時間的に視覚的スタイルを進化させる利点が示唆された。
  論文  参考訳（メタデータ） (2020-11-17T20:24:03Z)

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。