論文の概要: Leveraging Multi-level Dependency of Relational Sequences for Social
Spammer Detection
- arxiv url: http://arxiv.org/abs/2009.06231v1
- Date: Mon, 14 Sep 2020 07:11:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 11:31:21.103942
- Title: Leveraging Multi-level Dependency of Relational Sequences for Social
Spammer Detection
- Title(参考訳): ソーシャルスパマー検出のためのリレーショナルシーケンスの多レベル依存性の活用
- Authors: Jun Yin, Qian Li, Shaowu Liu, Zhiang Wu, Guandong Xu
- Abstract要約: MDM(Multi-level Dependency Model)は、リレーショナルシーケンスに隠されたユーザの長期依存を活用できる。
実世界のマルチリレーショナルソーシャルネットワークにおける実験結果から,提案手法の有効性が示された。
- 参考スコア(独自算出の注目度): 14.203689072168672
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Much recent research has shed light on the development of the
relation-dependent but content-independent framework for social spammer
detection. This is largely because the relation among users is difficult to be
altered when spammers attempt to conceal their malicious intents. Our study
investigates the spammer detection problem in the context of multi-relation
social networks, and makes an attempt to fully exploit the sequences of
heterogeneous relations for enhancing the detection accuracy. Specifically, we
present the Multi-level Dependency Model (MDM). The MDM is able to exploit
user's long-term dependency hidden in their relational sequences along with
short-term dependency. Moreover, MDM fully considers short-term relational
sequences from the perspectives of individual-level and union-level, due to the
fact that the type of short-term sequences is multi-folds. Experimental results
on a real-world multi-relational social network demonstrate the effectiveness
of our proposed MDM on multi-relational social spammer detection.
- Abstract(参考訳): 近年,ソーシャルスパマー検出のための関係依存型・コンテンツ非依存フレームワークの開発が注目されている。
これは、スパマーが悪質な意図を隠そうとしたとき、ユーザー間の関係を変えることが難しいためである。
本研究では,マルチリレーショナルソーシャルネットワークの文脈におけるスパマー検出問題について検討し,異種関係のシーケンスをフル活用して検出精度を向上させる。
具体的には、MDM(Multi-level Dependency Model)を提案する。
mdmは、ユーザのリレーショナルシーケンスに隠された長期的な依存関係と、短期的な依存関係を活用できる。
さらに、MDMは、短期系列のタイプが複数倍であるという事実から、個々のレベルとユニオンレベルの観点から、短期関係列を十分に考慮している。
実世界のマルチリレーショナルソーシャルネットワークの実験結果から,マルチリレーショナルソーシャルスパマー検出におけるMDMの有効性が示された。
関連論文リスト
- MST-GAT: A Multimodal Spatial-Temporal Graph Attention Network for Time
Series Anomaly Detection [37.1803255271591]
マルチモーダル時系列(MTS)異常検出は,作業機器の安全性と安定性を維持する上で重要である。
近年の深層学習法は異常検出に大きな可能性を示しているが,空間的・時間的関係を明示的に捉えていない。
この問題に対処するためのマルチモーダル時空間グラフアテンションネットワーク(MST-GAT)を提案する。
論文 参考訳(メタデータ) (2023-10-17T11:37:40Z) - Correlation-aware Spatial-Temporal Graph Learning for Multivariate
Time-series Anomaly Detection [67.60791405198063]
時系列異常検出のための相関対応時空間グラフ学習(CST-GL)を提案する。
CST-GLは、多変量時系列相関学習モジュールを介してペアの相関を明示的にキャプチャする。
新規な異常スコアリング成分をCST-GLにさらに統合し、純粋に教師なしの方法で異常の度合いを推定する。
論文 参考訳(メタデータ) (2023-07-17T11:04:27Z) - Coupled Attention Networks for Multivariate Time Series Anomaly
Detection [10.620044922371177]
多変量時系列データにおける異常検出のためのアテンションベースニューラルネットワークフレームワーク(CAN)を提案する。
センサ間の関係と時間的依存関係をキャプチャするために、グローバルローカルグラフに基づく畳み込みニューラルネットワークを時間的自己認識モジュールに統合する。
論文 参考訳(メタデータ) (2023-06-12T13:42:56Z) - Multimodal Learning Without Labeled Multimodal Data: Guarantees and
Applications [97.79283975518047]
複数のモーダルから共同で学習する多くの機械学習システムでは、マルチモーダル相互作用の性質を理解することが中心的な研究課題である。
我々は,この相互作用定量化の課題について,ラベル付き単調データのみを用いた半教師付き環境で検討する。
相互作用の正確な情報理論的定義を用いて、我々の重要な貢献は、マルチモーダル相互作用の量を定量化するための下界と上界の導出である。
論文 参考訳(メタデータ) (2023-06-07T15:44:53Z) - Cross-Attention is Not Enough: Incongruity-Aware Dynamic Hierarchical
Fusion for Multimodal Affect Recognition [69.32305810128994]
モダリティ間の同調性は、特に認知に影響を及ぼすマルチモーダル融合の課題となる。
本稿では,動的モダリティゲーティング(HCT-DMG)を用いた階層型クロスモーダルトランスを提案する。
HCT-DMG: 1) 従来のマルチモーダルモデルを約0.8Mパラメータで上回り、2) 不整合が認識に影響を及ぼすハードサンプルを認識し、3) 潜在レベルの非整合性をクロスモーダルアテンションで緩和する。
論文 参考訳(メタデータ) (2023-05-23T01:24:15Z) - Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。
階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
論文 参考訳(メタデータ) (2023-05-11T10:30:35Z) - PS-ARM: An End-to-End Attention-aware Relation Mixer Network for Person
Search [56.02761592710612]
モジュール・パーソン・サーチのための新しいアテンション・アウェア・リレーション・ミキサー(ARM)を提案する。
私たちのARMモジュールはネイティブで、きめ細かい監督やトポロジカルな仮定に依存していません。
我々のPS-ARMは、両方のデータセットで最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2022-10-07T10:04:12Z) - Signed Latent Factors for Spamming Activity Detection [1.8275108630751844]
署名された潜伏要因を利用して不正行為をフィルタリングする新しい試みを提案する。
複数のオンラインアプリケーションのスパム汚染されたリレーショナルデータセットは、統一された署名ネットワークによって解釈される。
様々な種類のWebアプリケーションの実世界のデータセットに対する実験は、LFMモデルがスパム行為の検出において最先端のベースラインを上回っていることを示している。
論文 参考訳(メタデータ) (2022-09-28T03:39:34Z) - MRI-based Multi-task Decoupling Learning for Alzheimer's Disease
Detection and MMSE Score Prediction: A Multi-site Validation [9.427540028148963]
MRIによる高齢者健診におけるアルツハイマー病(AD)の正確な検出とMMSEスコアの予測は重要な課題である
これら2つのタスクに関する従来の手法のほとんどは、シングルタスク学習に基づいており、それらの相関を考慮することは滅多にない。
本稿では,AD検出とMMSEスコア予測のためのMRIに基づくマルチタスク分離学習手法を提案する。
論文 参考訳(メタデータ) (2022-04-02T09:19:18Z) - Sequential Search with Off-Policy Reinforcement Learning [48.88165680363482]
本稿では,RNN学習フレームワークとアテンションモデルからなる,スケーラブルなハイブリッド学習モデルを提案する。
新たな最適化のステップとして、1つのRNNパスに複数の短いユーザシーケンスをトレーニングバッチ内に収める。
また、マルチセッションパーソナライズされた検索ランキングにおける非政治強化学習の利用についても検討する。
論文 参考訳(メタデータ) (2022-02-01T06:52:40Z) - Deep Fusion of Lead-lag Graphs:Application to Cryptocurrencies [0.0]
ランダム変数間のコムーブメントと依存性の研究は、資産間の既存の接続を記述するためのメトリクスの開発に繋がる。
文学の発達にもかかわらず、いくつかの関係はいまだ発見されていない。
本稿では,同期的・非同期的関係を統合可能な表現学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-01-05T14:40:32Z)
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。