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
- Multivariate Time Series Anomaly Detection by Capturing Coarse-Grained Intra- and Inter-Variate Dependencies [14.784236273395017]
我々は,新しい半教師付き多変量時系列異常検出手法であるMuntsCIDを紹介する。
MtsCID は最先端のベンチマーク手法に匹敵する性能または優れた性能を達成できることを示す。
論文 参考訳(メタデータ) (2025-01-22T05:53:12Z) - BRATI: Bidirectional Recurrent Attention for Time-Series Imputation [0.14999444543328289]
時系列分析におけるデータの欠落は、ダウンストリームアプリケーションの信頼性に影響を及ぼす、重大な課題を引き起こす。
本稿では,多変量時系列計算のための新しい深層学習モデルであるBRATIを紹介する。
BRATIは時間的依存を処理し、長い時間的水平線と短い時間的水平線をまたいだ特徴相関を処理し、その逆の時間的方向で動作する2つの計算ブロックを利用する。
論文 参考訳(メタデータ) (2025-01-09T17:50:56Z) - Multi-View Incongruity Learning for Multimodal Sarcasm Detection [40.10921890527881]
マルチモーダルサルカズム検出(MSD)は下流の様々なタスクに不可欠である。
既存のMSD法は、素早い相関に依存する傾向がある。
本稿では,マルチモーダルサルカズム検出のためのコントラスト学習(MICL)によるマルチモーダルイングルリティの統合手法を提案する。
論文 参考訳(メタデータ) (2024-12-01T10:29:36Z) - 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) - 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) - 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)
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。