論文の概要: From #Jobsearch to #Mask: Improving COVID-19 Cascade Prediction with Spillover Effects

• arxiv url: http://arxiv.org/abs/2012.07088v4
• Date: Thu, 12 Aug 2021 08:55:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-20 23:22:18.886577
• Title: From #Jobsearch to #Mask: Improving COVID-19 Cascade Prediction with Spillover Effects
• Title（参考訳）: #Jobsearchから#Maskへ - スパイルオーバー効果によるCOVID-19カスケード予測の改善
• Authors: Ninghan Chen, Xihui Chen, Zhiqiang Zhong, Jun Pang
• Abstract要約: ソーシャルメディア上では、新型コロナウイルス(COVID-19)のパンデミックとともに情報アウトブレイクが発生し、インフォデミックにつながる。 カスケード予測として知られるオンラインコンテンツの人気を予測することで、注目に値するホットな情報を事前に把握することができる。 本稿では、新型コロナウイルスの予防対策に関する情報の拡散に焦点を当て、収集したTwitterデータセットを通して、この流出効果の存在を検証した。 本データセットを用いて行った実験では,検出された流出効果を使用することで,予防的測定メッセージだけでなく,他の新型コロナウイルスの流行を予測する上で,最先端のGNN法が大幅に改善されることが示された。
• 参考スコア（独自算出の注目度）: 4.178929174617172
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An information outbreak occurs on social media along with the COVID-19 pandemic and leads to infodemic. Predicting the popularity of online content, known as cascade prediction, allows for not only catching in advance hot information that deserves attention, but also identifying false information that will widely spread and require quick response to mitigate its impact. Among the various information diffusion patterns leveraged in previous works, the spillover effect of the information exposed to users on their decision to participate in diffusing certain information is still not studied. In this paper, we focus on the diffusion of information related to COVID-19 preventive measures. Through our collected Twitter dataset, we validated the existence of this spillover effect. Building on the finding, we proposed extensions to three cascade prediction methods based on Graph Neural Networks (GNNs). Experiments conducted on our dataset demonstrated that the use of the identified spillover effect significantly improves the state-of-the-art GNNs methods in predicting the popularity of not only preventive measure messages, but also other COVID-19 related messages.
• Abstract（参考訳）: ソーシャルメディア上では、新型コロナウイルス(COVID-19)のパンデミックとともに情報アウトブレイクが発生し、インフォデミックにつながる。 カスケード予測(cascade prediction)として知られるオンラインコンテンツの人気を予測すれば、注意に値する事前のホット情報だけでなく、広範に拡散し、影響を緩和するための迅速な応答を必要とする偽情報の特定が可能になる。 先行研究で活用された各種情報拡散パターンのうち,特定の情報の拡散に参画する決定に対するユーザへの情報流出の影響はいまだに研究されていない。 本稿では、新型コロナウイルスの予防対策に関する情報の拡散に焦点をあてる。 収集したTwitterデータセットを通じて、この流出効果の存在を検証しました。 この発見に基づいて,グラフニューラルネットワーク(GNN)に基づく3つのカスケード予測手法の拡張を提案する。 筆者らのデータセットで行った実験では、検出された流出効果を使用することで、予防的測定メッセージだけでなく、他のCOVID-19関連メッセージの人気を予測できる最先端のGNN手法が大幅に改善されることが示された。

関連論文リスト

• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• Influence Maximization via Graph Neural Bandits [54.45552721334886]
  IM問題を多ラウンド拡散キャンペーンに設定し,影響を受けやすいユーザ数を最大化することを目的とした。 IM-GNB(Influence Maximization with Graph Neural Bandits)を提案する。
  論文  参考訳（メタデータ） (2024-06-18T17:54:33Z)
• Understanding the Humans Behind Online Misinformation: An Observational Study Through the Lens of the COVID-19 Pandemic [12.873747057824833]
  われわれは、新型コロナウイルスのツイート3200万件と過去のツイート1600万件を分析した大規模な調査を行っている。 新型コロナウイルスの感染拡大に伴う誤情報を広めるユーザの行動と心理の理解と、非新型コロナウイルス領域における誤情報を共有しようとする歴史的傾向との関係に焦点をあてる。
  論文  参考訳（メタデータ） (2023-10-12T16:42:53Z)
• GraphCloak: Safeguarding Task-specific Knowledge within Graph-structured Data from Unauthorized Exploitation [61.80017550099027]
  グラフニューラルネットワーク(GNN)は、さまざまな分野でますます普及している。 個人データの不正利用に関する懸念が高まっている。 近年の研究では、このような誤用から画像データを保護する効果的な方法として、知覚不能な毒殺攻撃が報告されている。 本稿では,グラフデータの不正使用に対する保護のためにGraphCloakを導入する。
  論文  参考訳（メタデータ） (2023-10-11T00:50:55Z)
• The Role of Bias in News Recommendation in the Perception of the Covid-19 Pandemic [1.0618008515822484]
  ニュースレコメンデーターシステム(NR)は、公共の言論を形作り、民主主義に有害な影響を及ぼす行動を強制することが示されている。 BERT4Recアルゴリズムを用いて,ニュースの報道とユーザ行動の相互作用を解析し,シーケンス予測を行った。
  論文  参考訳（メタデータ） (2022-09-15T21:10:11Z)
• Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction [59.221668173521884]
  本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。 エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
  論文  参考訳（メタデータ） (2022-04-18T09:25:06Z)
• Testing the Generalization of Neural Language Models for COVID-19 Misinformation Detection [6.1204874238049705]
  新型コロナウイルス(COVID-19)のパンデミックの副産物として、生命を脅かす可能性のある誤報が大幅に増加した。 5つの誤報データセットを用いてトランスフォーマーに基づく15のモデルを評価する。 新型コロナウイルス(COVID-19)データに合わせたトークンやモデルは、汎用データに対して大きな優位性を提供していない。
  論文  参考訳（メタデータ） (2021-11-15T15:01:55Z)
• Characterizing User Susceptibility to COVID-19 Misinformation on Twitter [40.0762273487125]
  本研究は、パンデミックのオンライン誤報に弱い人口を構成する人々への回答を試みる。 我々は、ソーシャルボットから、新型コロナウイルス関連の誤情報に関するさまざまなレベルのエンゲージメントを持つ人間まで、さまざまなタイプのユーザーを区別する。 次に、新型コロナウイルスの誤情報に対する感受性と相関する、ユーザのオンライン機能と状況予測を識別する。
  論文  参考訳（メタデータ） (2021-09-20T13:31:15Z)
• Adversarial Refinement Network for Human Motion Prediction [61.50462663314644]
  リカレントニューラルネットワークとフィードフォワードディープネットワークという2つの一般的な手法は、粗い動きの傾向を予測することができる。 本稿では,新たな逆誤差増大を伴う簡易かつ効果的な粗大きめ機構に従えば,ARNet(Adversarial Refinement Network)を提案する。
  論文  参考訳（メタデータ） (2020-11-23T05:42:20Z)
• Independent Component Analysis for Trustworthy Cyberspace during High Impact Events: An Application to Covid-19 [4.629100947762816]
  新型コロナウイルス(COVID-19)の感染拡大など、ソーシャルメディアは重要なコミュニケーションチャンネルとなっている。 ソーシャルメディアにおける誤報が急速に拡散し、社会不安を生じさせるため、そのような出来事における誤報の拡散は重要なデータ課題である。 本稿では,ICAモデルに基づくデータ駆動型ソリューションを提案する。
  論文  参考訳（メタデータ） (2020-06-01T21:48:22Z)
• Deep Collaborative Embedding for information cascade prediction [58.90540495232209]
  本稿では,情報カスケード予測のためのDeep Collaborative Embedding (DCE) と呼ばれる新しいモデルを提案する。 本稿では, 自動エンコーダを用いた協調埋め込みフレームワークを提案し, カスケード協調とノード協調によるノード埋め込みを学習する。 実世界のデータセットで行った大規模な実験の結果、我々のアプローチの有効性が検証された。
  論文  参考訳（メタデータ） (2020-01-18T13:32:18Z)

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。