論文の概要: The Homophily Principle in Social Network Analysis
- arxiv url: http://arxiv.org/abs/2008.10383v1
- Date: Fri, 21 Aug 2020 05:43:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-26 21:20:04.873274
- Title: The Homophily Principle in Social Network Analysis
- Title(参考訳): 社会ネットワーク分析における相同原理
- Authors: Kazi Zainab Khanam, Gautam Srivastava, Vijay Mago
- Abstract要約: ホモフィリー(英: Homophily)とは、同情的な人々が社会集団で互いに交流する傾向である。
ホモフィリーの研究は、社会内の情報や行動の流れに関する優れた洞察を与えることができる。
- 参考スコア(独自算出の注目度): 13.039459168820901
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, social media has become a ubiquitous and integral part of
social networking. One of the major attentions made by social researchers is
the tendency of like-minded people to interact with one another in social
groups, a concept which is known as Homophily. The study of homophily can
provide eminent insights into the flow of information and behaviors within a
society and this has been extremely useful in analyzing the formations of
online communities. In this paper, we review and survey the effect of homophily
in social networks and summarize the state of art methods that has been
proposed in the past years to identify and measure the effect of homophily in
multiple types of social networks and we conclude with a critical discussion of
open challenges and directions for future research.
- Abstract(参考訳): 近年、ソーシャルメディアはソーシャルネットワークのユビキタスかつ不可欠な部分となっている。
社会研究者の主な関心の1つは、ホモフィリー(homophily)として知られる社会集団において、類似した考えを持つ人々が互いに交流する傾向があることである。
ホモフィリーの研究は、社会内の情報や行動の流れに関する優れた洞察を与え、オンラインコミュニティの形成を分析するのに非常に有用である。
本稿では,ソーシャルネットワークにおけるホモフィリーの効果をレビュー・調査し,複数種類のソーシャルネットワークにおいてホモフィリーの効果を識別・測定するために過去数年間提案されてきたアート手法の現状を要約し,今後の研究に向けたオープンチャレンジと方向性に関する批判的な議論をまとめる。
関連論文リスト
- 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) - 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) - Aggression and "hate speech" in communication of media users: analysis
of control capabilities [50.591267188664666]
著者らは新メディアにおける利用者の相互影響の可能性を検討した。
新型コロナウイルス(COVID-19)対策として、緊急の社会問題について議論する際、攻撃やヘイトスピーチのレベルが高いことが分かった。
結果は、現代のデジタル環境におけるメディアコンテンツの開発に有用である。
論文 参考訳(メタデータ) (2022-08-25T15:53:32Z) - 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) - Yourfeed: Towards open science and interoperable systems for social
media [1.8623205938004257]
既存のソーシャルメディアプラットフォームは、研究者がソーシャルメディアで研究を行うことを非常に困難にしている。
このギャップを埋めるため、生態学的に有効なソーシャルメディア研究を行うための研究ツールであるYourfeedを紹介した。
論文 参考訳(メタデータ) (2022-07-15T13:49:51Z) - Didn't see that coming: a survey on non-verbal social human behavior
forecasting [47.99589136455976]
近年,非言語的社会的行動予測が研究コミュニティの関心を集めている。
人間とロボットの相互作用や社会的に認識された人間のモーション生成への直接的な応用は、非常に魅力的な分野である。
本稿では,複数の対話エージェントに対する行動予測問題を,社会的信号予測と人間の動作予測の分野の統合を目的とした汎用的な方法で定義する。
論文 参考訳(メタデータ) (2022-03-04T18:25:30Z) - Survey of Generative Methods for Social Media Analysis [8.070451136537788]
本調査は,ソーシャルメディアデータ解析のための生成手法の研究における,最先端技術(SoTA)の広視野パノラマ図を描いている。
論文 参考訳(メタデータ) (2021-12-13T22:03:40Z) - Over a Decade of Social Opinion Mining [1.0152838128195467]
この体系的なレビューは、社会オピニオン鉱業の進化する研究領域に焦点を当てている。
自然言語は、人間によって表現されるように、異なる意見次元の観点で理解することができる。
今後の研究の方向性が提示される一方、さらなる研究と開発は、より広範な学術的・社会的影響を残す可能性がある。
論文 参考訳(メタデータ) (2020-12-05T17:59:59Z) - Applications of Differential Privacy in Social Network Analysis: A
Survey [60.696428840516724]
差別化プライバシは、情報を共有し、強力な保証でプライバシを保存するのに有効である。
ソーシャルネットワーク分析は多くのアプリケーションで広く採用されており、差分プライバシーの応用のための新たな領域が開かれた。
論文 参考訳(メタデータ) (2020-10-06T19:06:03Z) - 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。