論文の概要: Evently: Modeling and Analyzing Reshare Cascades with Hawkes Processes
- arxiv url: http://arxiv.org/abs/2006.06167v3
- Date: Fri, 8 Jan 2021 12:14:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 00:48:07.304054
- Title: Evently: Modeling and Analyzing Reshare Cascades with Hawkes Processes
- Title（参考訳）: evently: hawkesプロセスと再共有カスケードのモデリングと分析
- Authors: Quyu Kong, Rohit Ram and Marian-Andrei Rizoiu
- Abstract要約: Eventlyは、オンラインのリシェアカスケード、特にリツイートカスケードをモデリングするためのツールである。
Twitterの公開APIから生データを処理するための、包括的な機能セットを提供する。
コンテンツがオンラインにどのように広がるかに基づいてユーザーを特徴づけることによって、影響力のあるユーザーやオンラインボットを混乱させることが示される。
- 参考スコア（独自算出の注目度）: 12.558187319452657
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modeling online discourse dynamics is a core activity in understanding the
spread of information, both offline and online, and emergent online behavior.
There is currently a disconnect between the practitioners of online social
media analysis -- usually social, political and communication scientists -- and
the accessibility to tools capable of examining online discussions of users.
Here we present evently, a tool for modeling online reshare cascades, and
particularly retweet cascades, using self-exciting processes. It provides a
comprehensive set of functionalities for processing raw data from Twitter
public APIs, modeling the temporal dynamics of processed retweet cascades and
characterizing online users with a wide range of diffusion measures. This tool
is designed for researchers with a wide range of computer expertise, and it
includes tutorials and detailed documentation. We illustrate the usage of
evently with an end-to-end analysis of online user behavior on a topical
dataset relating to COVID-19. We show that, by characterizing users solely
based on how their content spreads online, we can disentangle influential users
and online bots.
- Abstract（参考訳）: オンライン談話力学のモデリングは、オフラインとオンラインの両方で情報の拡散を理解するための中核的な活動である。
オンラインソーシャルメディア分析の実践者(通常、社会、政治、コミュニケーションの科学者)と、ユーザーのオンライン議論を調査できるツールへのアクセシビリティーとの間には、現在不一致がある。
ここでは,オンライン再共有カスケード,特にリツイートカスケードを自己引用プロセスを用いてモデル化するツールであるeventlyを提案する。
Twitterの公開APIから生データを処理するための包括的な機能セットを提供し、処理されたリツイートカスケードの時間的ダイナミクスをモデル化し、幅広い拡散対策でオンラインユーザを特徴付ける。
このツールは、幅広いコンピュータ専門知識を持つ研究者向けに設計されており、チュートリアルと詳細なドキュメントを含んでいる。
本稿では,covid-19に関連するトピックデータセット上でのオンラインユーザ行動のエンドツーエンド分析を通じて,eventlyの利用状況を説明する。
コンテンツがオンラインにどのように広がるかに基づいてユーザーを特徴づけることで、影響力のあるユーザーやオンラインボットを混乱させることができる。
関連論文リスト
- SoMeR: Multi-View User Representation Learning for Social Media [1.7949335303516192]
本稿では,ソーシャルメディアのユーザ表現学習フレームワークであるSoMeRを提案する。
SoMeRは、ユーザ投稿ストリームをタイムスタンプ付きテキスト機能のシーケンスとしてエンコードし、トランスフォーマーを使用してプロファイルデータと共にそれを埋め込み、リンク予測とコントラスト学習の目標を共同でトレーニングする。
1)類似コンテンツを同時に投稿するユーザを検出することによって、協調的な影響操作に関わる不正確なアカウントを同定し、2)異なる信念を持つユーザがより遠くへ移動する様子を定量化して、主要なイベント後のオンライン議論における偏光の増大を測定する。
論文 参考訳（メタデータ） (2024-05-02T22:26:55Z) - From Perils to Possibilities: Understanding how Human (and AI) Biases affect Online Fora [0.12564343689544843]
レビューでは、ソーシャルメディア分析の文脈におけるソーシャルインタラクション、ユーザ生成コンテンツ、バイアスのダイナミクスについて考察する。
3つの重要な視点は、オンライン討論、オンラインサポート、人間とAIのインタラクションである。
論文 参考訳（メタデータ） (2024-03-21T11:04:41Z) - Combatting Human Trafficking in the Cyberspace: A Natural Language
Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。
我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。
重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
論文 参考訳（メタデータ） (2023-11-22T02:45:01Z) - 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) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Sparsity-aware neural user behavior modeling in online interaction
platforms [2.4036844268502766]
ユーザ行動モデリングのための一般化可能なニューラル表現学習フレームワークを開発する。
問題設定は、トランスダクティブおよびインダクティブな学習シナリオにまたがる。
ユーザの振る舞いを反映した情報のさまざまな側面を活用して、大規模にパーソナライズされた推論を可能にする。
論文 参考訳（メタデータ） (2022-02-28T00:27:11Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - Dynamic Social Media Monitoring for Fast-Evolving Online Discussions [39.81957479388813]
高速なオンライン議論における関連情報のカバレッジを最大化するための動的キーワード検索手法を提案する。
単語埋め込みモデルを用いてキーワードと予測モデル間の意味関係を表現し、将来の時系列を予測する。
我々は,最近の就任式に関するダイナミックな会話を取り上げ,動的データ収集システムをテストするために,現代のケーススタディを実施している。
論文 参考訳（メタデータ） (2021-02-24T23:00:42Z) - Birdspotter: A Tool for Analyzing and Labeling Twitter Users [12.558187319452657]
BirdspotterはTwitterユーザーの分析とラベル付けを行うツールだ。
Birdspotter.mlは、計算されたメトリクスの探索的なビジュアライゼーションである。
我々は、完全なボット検出器に鳥のポッターを訓練する方法を示します。
論文 参考訳（メタデータ） (2020-12-04T02:25:07Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳（メタデータ） (2020-07-07T17:19:56Z) - 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)
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。