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

• Online Multi-modal Root Cause Analysis [61.94987309148539]
  ルート原因分析(RCA)は、マイクロサービスシステムにおける障害の根本原因の特定に不可欠である。 既存のオンラインRCAメソッドは、マルチモーダルシステムにおける複雑な相互作用を見渡す単一モーダルデータのみを処理する。 OCEANは、根本原因の局在化のための新しいオンラインマルチモーダル因果構造学習手法である。
  論文  参考訳（メタデータ） (2024-10-13T21:47:36Z)
• MMRel: A Relation Understanding Benchmark in the MLLM Era [72.95901753186227]
  MMRel(Multi-Modal Relation Understanding)は、オブジェクト間の関係に関する大規模で高品質で多様なデータを特徴付けるベンチマークである。 MMRelは、関係理解に基づくMLLMの評価や、関係理解能力を高めるための微調整MLLMに最適である。
  論文  参考訳（メタデータ） (2024-06-13T13:51:59Z)
• Adaptive Multi-Scale Decomposition Framework for Time Series Forecasting [26.141054975797868]
  時系列予測(TSF)のための新しい適応型マルチスケール分解(AMD)フレームワークを提案する。 我々のフレームワークは時系列を複数のスケールで異なる時間パターンに分解し、MDM(Multi-Scale Decomposable Mixing)ブロックを活用する。 提案手法は,時間依存性とチャネル依存性の両方を効果的にモデル化し,マルチスケールデータ統合を改良するために自己相関を利用する。
  論文  参考訳（メタデータ） (2024-06-06T05:27:33Z)
• Mitigating Shortcut Learning with Diffusion Counterfactuals and Diverse Ensembles [95.49699178874683]
  拡散確率モデル(DPM)を利用したアンサンブル多様化フレームワークDiffDivを提案する。 DPMは、相関した入力特徴を示すサンプルを用いて訓練しても、新しい特徴の組み合わせで画像を生成することができることを示す。 そこで本研究では,DPM誘導の多様化は,教師付き信号の追加を必要とせず,ショートカットキューへの依存を取り除くのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-11-23T15:47:33Z)
• 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)
• 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)
• 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)
• 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。