論文の概要: CommuNety: A Deep Learning System for the Prediction of Cohesive Social Communities

• arxiv url: http://arxiv.org/abs/2007.14741v1
• Date: Wed, 29 Jul 2020 11:03:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-11-05 20:09:51.876212
• Title: CommuNety: A Deep Learning System for the Prediction of Cohesive Social Communities
• Title（参考訳）: コミューンティ:結束した社会コミュニティの予測のための深層学習システム
• Authors: Syed Afaq Ali Shah, Weifeng Deng, Jianxin Li, Muhammad Aamir Cheema, Abdul Bais
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 14.839117147209603
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Effective mining of social media, which consists of a large number of users is a challenging task. Traditional approaches rely on the analysis of text data related to users to accomplish this task. However, text data lacks significant information about the social users and their associated groups. In this paper, we propose CommuNety, a deep learning system for the prediction of cohesive social networks using images. The proposed deep learning model consists of hierarchical CNN architecture to learn descriptive features related to each cohesive network. The paper also proposes a novel Face Co-occurrence Frequency algorithm to quantify existence of people in images, and a novel photo ranking method to analyze the strength of relationship between different individuals in a predicted social network. We extensively evaluate the proposed technique on PIPA dataset and compare with state-of-the-art methods. Our experimental results demonstrate the superior performance of the proposed technique for the prediction of relationship between different individuals and the cohesiveness of communities.
• Abstract（参考訳）: 多数のユーザーからなるソーシャルメディアの効果的なマイニングは難しい課題だ。 従来のアプローチは、このタスクを達成するために、ユーザに関連するテキストデータの解析に依存している。 しかしテキストデータには、ソーシャルユーザとその関連グループに関する重要な情報がない。 本稿では,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であるCommuNetyを提案する。 提案する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,各凝集ネットワークに関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新しい顔共起頻度アルゴリズムと,予測し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法を提案する。 提案手法をPIPAデータセット上で広範囲に評価し,最先端手法との比較を行った。 実験により,異なる個人間の関係の予測とコミュニティの結束性について,提案手法の優れた性能を示す。

関連論文リスト

• How Cohesive Are Community Search Results on Online Social Networks?: An Experimental Evaluation [11.75956452196938]
  本稿では,コミュニティ検索アルゴリズムw.r.tの有効性を実験的に評価する。 社会共同体は集団結束理論の影響下で形成・発展される。 オンラインソーシャルネットワークにおいて心理的に結束したコミュニティを効果的に識別するアルゴリズムは存在しない。
  論文  参考訳（メタデータ） (2025-04-28T05:08:29Z)
• A Multimodal Framework for Topic Propagation Classification in Social Networks [2.189314262079322]
  本稿では,ソーシャルネットワークにおける話題拡散の予測モデルを提案する。 本稿では,PageRankアルゴリズムにユーザ関係の広さとユーザ権限という2つの新しい指標を導入する。 従来のトピックビューメトリクスを,より正確なコミュニケーション特性尺度に置き換え,トピックによるユーザインタラクショントレースの測定を改良する。
  論文  参考訳（メタデータ） (2025-03-05T02:12:23Z)
• Link Prediction for Social Networks using Representation Learning and Heuristic-based Features [1.279952601030681]
  ソーシャルネットワークのリンク不足を効率的に予測することは、現代の様々なビジネスアプリケーションに役立つ。 本稿では,ソーシャルネットワークにおけるノードとエッジの表現を生成するための様々な特徴抽出手法について検討する。
  論文  参考訳（メタデータ） (2024-03-13T15:23:55Z)
• Social-LLM: Modeling User Behavior at Scale using Language Models and Social Network Data [13.660150473547766]
  本稿では,ユーザ検出タスクにおけるソーシャルネットワークデータのモデリングに適した新しいアプローチを提案する。 提案手法は,局所的なソーシャルネットワークのインタラクションを,大規模言語モデルの能力と統合する。 実世界の7つのソーシャル・ネットワーク・データセットにまたがって、我々の手法を徹底的に評価する。
  論文  参考訳（メタデータ） (2023-12-31T05:13:13Z)
• Graph Neural Networks for Antisocial Behavior Detection on Twitter [0.0]
  反社会的行動のソーシャルメディアの復活は、ステレオタイプ的信念や個人や社会グループに対する憎悪的なコメントに下向きのスパイラルをもたらした。 大量のグラフ構造化データに使用されるグラフニューラルネットワークの進歩は、ソーシャルメディアプラットフォームにおけるコミュニケーションのメディア化の将来への期待を高めている。 グラフ畳み込みデータに基づくアプローチを用いて、異種データ間の依存関係をよりよく把握した。
  論文  参考訳（メタデータ） (2023-12-28T00:25:12Z)
• Improving (Dis)agreement Detection with Inductive Social Relation Information From Comment-Reply Interactions [49.305189190372765]
  社会関係情報は、テキスト情報以外の(認識の)タスクにおいて補助的な役割を果たすことができる。 本稿では,このような関係情報を(離散化)データから帰納的社会関係グラフに抽出する手法を提案する。 社会関係は,特に長時間のコメント-返信ペアにおいて,(不一致)認識モデルの性能を高めることができる。
  論文  参考訳（メタデータ） (2023-02-08T09:09:47Z)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T01:20:29Z)
• Enhancing Social Relation Inference with Concise Interaction Graph and Discriminative Scene Representation [56.25878966006678]
  我々はtextbfSocial rtextbfElation (PRISE) における textbfPractical textbfInference のアプローチを提案する。 人の対話的特徴と全体主義的な場面の識別的特徴を簡潔に学習する。 PRISEはPIPAデータセットにおけるドメイン分類の改善を6.8$%で達成している。
  論文  参考訳（メタデータ） (2021-07-30T04:20:13Z)
• 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)
• 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)
• Analysis of Social Media Data using Multimodal Deep Learning for Disaster Response [6.8889797054846795]
  本稿では,ソーシャルメディアデータのテキストと画像のモダリティを併用して,最先端のディープラーニング技術を用いて共同表現を学習することを提案する。 実世界の災害データセットの実験により、提案されたマルチモーダルアーキテクチャは、単一のモダリティを用いてトレーニングされたモデルよりも優れたパフォーマンスが得られることが示された。
  論文  参考訳（メタデータ） (2020-04-14T19:36:11Z)
• Convolutional Neural Networks for Sentiment Analysis in Persian Social Media [6.51882364384472]
  畳み込みニューラルネットワーク(CNN)を用いたペルシア語テキストの感情分析手法を提案する。 本研究では,Curve 測定値を用いた3種類のペルシア語ソーシャルメディアテキストのデータセットの評価を行った。
  論文  参考訳（メタデータ） (2020-02-14T19:52:39Z)
• DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation [50.08581302050378]
  ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。 ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。 本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
  論文  参考訳（メタデータ） (2020-01-15T08:45:34Z)

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。