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
- Bandit Sampling for Multiplex Networks [8.771092194928674]
多数のレイヤを持つ多重ネットワーク上でのスケーラブルな学習アルゴリズムを提案する。
オンライン学習アルゴリズムは、トレーニング中に関連する情報を持つレイヤのみを集約するように、関連する隣のレイヤをサンプリングする方法を学ぶ。
合成シナリオと実世界のシナリオの両方に関する実験結果を示す。
論文 参考訳(メタデータ) (2022-02-08T03:26:34Z) - DIAL: Deep Interactive and Active Learning for Semantic Segmentation in
Remote Sensing [34.209686918341475]
我々は、ディープニューラルネットワークと人間のループでの協調を構築することを提案する。
簡単に言うと、エージェントはネットワークと反復的に対話して、当初欠陥があった予測を修正する。
本研究では,不確実性推定に基づくアクティブラーニングにより,ユーザを迅速に誤りに導くことができることを示す。
論文 参考訳(メタデータ) (2022-01-04T09:11:58Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳(メタデータ) (2021-07-29T00:02:06Z) - A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。
この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。
ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文 参考訳(メタデータ) (2021-05-26T14:37:07Z) - Locate Who You Are: Matching Geo-location to Text for Anchor Link
Prediction [40.654494490237]
ネットワーク間のユーザマッチングのための新しいアンカーリンク予測フレームワークを提案する。
提案手法は既存の手法より優れ,最先端の結果が得られる。
論文 参考訳(メタデータ) (2021-04-19T08:15:28Z) - Context-Aware Interaction Network for Question Matching [51.76812857301819]
本研究では,二つのシーケンスを整合させ,それらの意味関係を推定する文脈認識インタラクションネットワーク(coin)を提案する。
具体的には,(1)コンテキスト情報を効果的に統合するためのコンテキスト対応のクロスアテンション機構,(2)整列表現を柔軟に補間するゲート融合層を備える。
論文 参考訳(メタデータ) (2021-04-17T05:03:56Z) - Continual learning in cross-modal retrieval [47.73014647702813]
新しいタスクによる干渉が埋め込み空間に与える影響と、効果的な検索に必要な相互モーダルアライメントについて検討する。
トレーニング、インデクシング、クエリの段階を分離する一般的なフレームワークを提案します。
また、忘れてしまう可能性のあるさまざまな要因を特定し、研究し、緩和するためのツールを提案します。
論文 参考訳(メタデータ) (2021-04-14T12:13:39Z) - GCN-ALP: Addressing Matching Collisions in Anchor Link Prediction [40.811988657941946]
問題のtextitanchorリンク予測は、ソーシャルネットワーク全体のユーザープロファイル、コンテンツ、ネットワーク構造上の共通の根拠とユーザーデータをリンクするために形式化されます。
マッチンググラフ上でのアンカーリンク予測を効率的に解く、ミニバッチ戦略によるグラフ畳み込みネットワークを提案する。
論文 参考訳(メタデータ) (2021-03-19T02:41:55Z) - 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) - Feature Sharing Cooperative Network for Semantic Segmentation [10.305130700118399]
協調学習を用いた意味セグメンテーション手法を提案する。
特徴マップを共有することにより、2つのネットワークのうちの1つが1つのネットワークで取得できない情報を得ることができる。
提案手法は従来の単一ネットワークやネットワークアンサンブルよりも高いセグメンテーション精度を実現した。
論文 参考訳(メタデータ) (2021-01-20T00:22:00Z) - A Survey of Community Detection Approaches: From Statistical Modeling to
Deep Learning [95.27249880156256]
ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。
既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。
フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
論文 参考訳(メタデータ) (2021-01-03T02:32:45Z)
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。