論文の概要: Who will accept my request? Predicting response of link initiation in two-way relation networks

• arxiv url: http://arxiv.org/abs/2012.11172v1
• Date: Mon, 21 Dec 2020 08:14:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-29 08:37:13.045318
• Title: Who will accept my request? Predicting response of link initiation in two-way relation networks
• Title（参考訳）: 誰が私の要求を受け入れますか。 双方向関係ネットワークにおけるリンク開始の応答予測
• Authors: Amin Javari, Mehrab Norouzitallab, Mahdi Jalili
• Abstract要約: 本稿では、双方向ネットワークにおけるリンク開始フィードバックの予測方法である、ソーシャルネットワーク分析とマイニングにおける重要な問題に対処する。 双方向ネットワークにおける2つの個人間の関係には、招待者が受け入れた場合に確立されたリンクとなる1人の個人からのリンク招待が含まれる。 本稿では,この多層的手法によるリンク開始フィードバック予測問題を解く手法を提案する。
• 参考スコア（独自算出の注目度）: 7.547803601922528
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Popularity of social networks has rapidly increased over the past few years, and daily lives interrupt without their proper functioning. Social networking platform provide multiple interaction types between individuals, such as creating and joining groups, sending and receiving messages, sharing interests and creating friendship relationships. This paper addresses an important problem in social networks analysis and mining that is how to predict link initiation feedback in two-way networks. Relationships between two individuals in a two-way network include a link invitation from one of the individuals, which will be an established link if it is accepted by the invitee. We consider a sport gaming social networking platform and construct a multilayer social network between a number of users. The network formed by the link initiation process is on one of the layers, while the other two layers include a messaging relationships and interactions between the users. We propose a methodology to solve the link initiation feedback prediction problem in this multilayer fashion. The proposed method is based on features extracted from meta-paths, i.e. paths defined between different individuals from multiples layers in multilayer networks. We proposed a cluster-based approach to handle the sparsity issue in the dataset. Experimental results show that the proposed method can provide accurate prediction that outperforms state-of-the-art methods.
• Abstract（参考訳）: ソーシャルネットワークの普及はここ数年で急速に増加し、日々の生活は適切に機能しないまま中断している。 ソーシャルネットワーキングプラットフォームは、グループの作成と結合、メッセージの送受信、関心の共有、友情関係の創出など、個人間の複数のインタラクションタイプを提供する。 本稿では、双方向ネットワークにおけるリンク開始フィードバックの予測方法である、ソーシャルネットワーク分析とマイニングにおける重要な問題に対処する。 双方向ネットワークにおける2つの個人間の関係には、1人の個人からのリンク招待が含まれており、招待者が受け入れれば確立されたリンクとなる。 我々は,スポーツゲームソーシャルネットワーキングプラットフォームを検討し,複数のユーザ間で多層的なソーシャルネットワークを構築する。 リンク開始プロセスによって形成されるネットワークは、レイヤの1つ上にあり、他の2つのレイヤには、ユーザ間のメッセージング関係とインタラクションが含まれている。 本稿では,この多層的手法によるリンク開始フィードバック予測問題を解く手法を提案する。 提案手法は,メタパスから抽出した特徴,すなわち特徴に基づく。 多層ネットワークの複数の層から異なる個人の間で定義される経路。 データセットのスパーシリティ問題に対処するためのクラスタベースのアプローチを提案しました。 実験の結果,提案手法は最先端手法よりも正確な予測を行うことができることがわかった。

関連論文リスト

• Community Detection for Heterogeneous Multiple Social Networks [6.863667633281842]
  コミュニティは、ソーシャルネットワークにおけるユーザー行動とネットワーク特性を理解する上で重要な役割を担っている。 本稿では,複数ソーシャルネットワークを対象とした非負行列三要素化に基づくコミュニティ検出手法を提案する。 提案手法の有効性をTwitter,Instagram,Tumblrで評価した。
  論文  参考訳（メタデータ） (2024-05-07T14:52:34Z)
• Hierarchical Information Enhancement Network for Cascade Prediction in Social Networks [51.54002032659713]
  カスケード予測のための階層型情報拡張ネットワーク(HIENet)を提案する。 本手法では,基本カスケードシーケンス,ユーザソーシャルグラフ,サブカスケードグラフを統合フレームワークに統合する。
  論文  参考訳（メタデータ） (2024-03-22T14:57:27Z)
• Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
  プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。 特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。 ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
  論文  参考訳（メタデータ） (2022-09-04T06:22:37Z)
• A General Method to Find Highly Coordinating Communities in Social Media through Inferred Interaction Links [13.264683014487376]
  政治的誤報、占い、組織化されたトロリングは、オンラインの悪意ある行動であり、現実世界に重大な影響を及ぼす。 本稿では,アカウントのインタラクションとメタデータのみに依存する新しい時間的ウィンドウ手法を提案する。 さまざまな行動に関わるアカウントのグループを検出し、それを協調して、異なる目標ベースの戦略を実行する。
  論文  参考訳（メタデータ） (2021-03-05T00:48:23Z)
• Decoupled and Memory-Reinforced Networks: Towards Effective Feature Learning for One-Step Person Search [65.51181219410763]
  歩行者検出と識別サブタスクを1つのネットワークで処理するワンステップ方式を開発しました。 現在のワンステップアプローチには2つの大きな課題があります。 本稿では,これらの問題を解決するために,分離メモリ強化ネットワーク(DMRNet)を提案する。
  論文  参考訳（メタデータ） (2021-02-22T06:19:45Z)
• Multi-level Graph Convolutional Networks for Cross-platform Anchor Link Prediction [47.047999403900775]
  クロスプラットフォームのアカウントマッチングは、ソーシャルネットワークの分析において重要な役割を果たす。 本稿では,ローカルネットワーク構造とハイパーグラフ構造の両方において,マルチレベルグラフの畳み込みを考慮した新しいフレームワークを提案する。 提案手法は,既存の作業におけるデータ不足を克服し,必ずしもユーザ人口統計情報に依存しない。
  論文  参考訳（メタデータ） (2020-06-02T22:01:27Z)
• A Social Search Model for Large Scale Social Networks [4.3835068018995935]
  検索システムは、ソーシャルなつながりを索引づけ用語として扱い、密接なソーシャルなつながりに偏って意味のある結果を生成する。 ディープニューラルネットワークは、パーソナライズとテキストの関連性に共同で対処する2towerアプローチで、テキストと社会的関連性を扱う。 システムはFacebookにデプロイされ、何十億ものユーザーが自分のつながりから投稿を見つけるのを効率的に支援している。
  論文  参考訳（メタデータ） (2020-05-09T02:59:02Z)
• Detecting Communities in Heterogeneous Multi-Relational Networks:A Message Passing based Approach [89.19237792558687]
  コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。 我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:36:24Z)
• DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation [50.08581302050378]
  ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。 ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。 本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
  論文  参考訳（メタデータ） (2020-01-15T08:45:34Z)

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。