論文の概要: A Survey of Information Cascade Analysis: Models, Predictions, and
Recent Advances
- arxiv url: http://arxiv.org/abs/2005.11041v3
- Date: Wed, 24 Mar 2021 03:33:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 09:55:39.613301
- Title: A Survey of Information Cascade Analysis: Models, Predictions, and
Recent Advances
- Title（参考訳）: 情報カスケード分析に関する調査研究 : モデル,予測,最近の進歩
- Authors: Fan Zhou, Xovee Xu, Goce Trajcevski, Kunpeng Zhang
- Abstract要約: 本稿では,情報人気予測手法の総合的なレビューと分類について述べる。
まず,異なる種類の情報カスケードを正式に定義し,既存の研究の視点を要約する。
次に、既存の作品を3つの主要なグループと各グループの主要なサブクラスに分類する分類を提示する。
- 参考スコア（独自算出の注目度）: 31.518953824687625
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The deluge of digital information in our daily life -- from user-generated
content, such as microblogs and scientific papers, to online business, such as
viral marketing and advertising -- offers unprecedented opportunities to
explore and exploit the trajectories and structures of the evolution of
information cascades. Abundant research efforts, both academic and industrial,
have aimed to reach a better understanding of the mechanisms driving the spread
of information and quantifying the outcome of information diffusion. This
article presents a comprehensive review and categorization of information
popularity prediction methods, from feature engineering and stochastic
processes, through graph representation, to deep learning-based approaches.
Specifically, we first formally define different types of information cascades
and summarize the perspectives of existing studies. We then present a taxonomy
that categorizes existing works into the aforementioned three main groups as
well as the main subclasses in each group, and we systematically review
cutting-edge research work. Finally, we summarize the pros and cons of existing
research efforts and outline the open challenges and opportunities in this
field.
- Abstract（参考訳）: マイクロブログや科学論文などのユーザー生成コンテンツから、バイラルマーケティングや広告といったオンラインビジネスまで、私たちの日常生活におけるデジタル情報の拡散は、情報カスケードの進化の軌跡や構造を探求し活用する前例のない機会を提供します。
学術的・工業的ともに豊富な研究努力は、情報の拡散と情報拡散の結果の定量化を促すメカニズムをよりよく理解することを目指してきた。
本稿では,特徴工学から確率過程まで,グラフ表現から深層学習に基づくアプローチまで,情報人気予測手法の包括的レビューと分類について述べる。
具体的には,まず,異なる種類の情報カスケードを正式に定義し,既存の研究の視点を要約する。
次に,既存の研究成果を,上記の3つの主要グループと各グループの主要サブクラスに分類し,最先端の研究成果を体系的にレビューする。
最後に、既存の研究成果の長所と短所をまとめ、この分野におけるオープンな課題と機会を概説する。
関連論文リスト
- Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - Information Cascade Prediction under Public Emergencies: A Survey [14.675738714779099]
本稿では,情報カスケードモデリング,予測,応用の体系的な分類と要約について述べる。
我々は,最先端の研究と情報カスケード予測のモデルと方法の理解を支援することを目的としている。
論文 参考訳（メタデータ） (2024-03-28T03:46:56Z) - User Modeling and User Profiling: A Comprehensive Survey [0.0]
本稿では,ユーザモデリングとプロファイリング研究の現状,進化,今後の方向性について調査する。
我々は、初期のステレオタイプモデルから最新のディープラーニング技術までの開発をトレースする、歴史的概要を提供する。
また、プライバシ保護技術に対する重要なニーズと、ユーザモデリングアプローチにおける説明可能性と公正性への推進にも対処する。
論文 参考訳（メタデータ） (2024-02-15T02:06:06Z) - Few-Shot Learning on Graphs: from Meta-learning to Pre-training and
Prompting [56.25730255038747]
この調査は、最近の展開を合成し、比較洞察を提供し、将来の方向性を特定するための取り組みである。
我々は,既存の研究をメタラーニングアプローチ,事前学習アプローチ,ハイブリッドアプローチの3つの主要なファミリーに体系的に分類した。
これらの手法間の関係を解析し,その強みと限界を比較する。
論文 参考訳（メタデータ） (2024-02-02T14:32:42Z) - Federated Learning for Generalization, Robustness, Fairness: A Survey
and Benchmark [55.898771405172155]
フェデレートラーニングは、異なる当事者間のプライバシー保護コラボレーションのための有望なパラダイムとして登場した。
我々は,連合学習研究の重要かつ最近の展開を体系的に概観する。
論文 参考訳（メタデータ） (2023-11-12T06:32:30Z) - Trends in Integration of Knowledge and Large Language Models: A Survey and Taxonomy of Methods, Benchmarks, and Applications [41.24492058141363]
大規模言語モデル(LLM)は、様々な自然言語処理において優れた性能を示すが、時代遅れのデータやドメイン固有の制限から生じる問題の影響を受けやすい。
本稿では,手法,ベンチマーク,応用の分類など,知識モデルと大規模言語モデルの統合の動向を論じるレビューを提案する。
論文 参考訳（メタデータ） (2023-11-10T05:24:04Z) - Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳（メタデータ） (2023-09-02T00:32:55Z) - Knowledge Graph Induction enabling Recommending and Trend Analysis: A
Corporate Research Community Use Case [11.907821975089064]
本稿では,企業研究コミュニティであるIBM ResearchがセマンティックWeb技術を用いて,統一知識グラフを創出する事例を紹介する。
誘導された知識を活用するための共通パターンのセットを特定し、それらをAPIとして公開する。
これらのパターンは、最も価値のあるユースケースや、緩和すべきユーザの痛点を特定するユーザ調査から生まれました。
論文 参考訳（メタデータ） (2022-07-11T20:51:28Z) - A Taxonomy and Archetypes of Business Analytics in Smart Manufacturing [0.0]
ビジネス分析はスマートマニュファクチャリングの重要な要因だ。
しかし、研究者や実践者は、進歩の追跡と分野における新たな知識獲得に苦慮している。
我々は、スマートマニュファクチャリングにおけるビジネス分析の古型を導出するだけでなく、四部分類を開発する。
論文 参考訳（メタデータ） (2021-10-12T16:13:45Z) - Deep Learning Schema-based Event Extraction: Literature Review and
Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。
本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文 参考訳（メタデータ） (2021-07-05T16:32:45Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳（メタデータ） (2020-08-02T00:09:03Z)
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。