論文の概要: Unveiling Real-Life Effects of Online Photo Sharing
- arxiv url: http://arxiv.org/abs/2012.13180v1
- Date: Thu, 24 Dec 2020 09:52:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 08:21:39.347212
- Title: Unveiling Real-Life Effects of Online Photo Sharing
- Title（参考訳）: オンライン写真共有のリアルタイム効果
- Authors: Van-Khoa Nguyen, Adrian Popescu, Jerome Deshayes-Chossart
- Abstract要約: インパクトのある実生活状況におけるデータ共有の潜在的な効果を明らかにする新しいアプローチを提案します。
このアプローチは,(1)クラウドソーシングによって得られた状況影響評価のセット,(2)ユーザの写真を分析するために使用されるオブジェクト検出器のセット,(3)500人の視覚的ユーザプロファイルからなる真実のデータセットの3つの要素に依存している。
その結果、LERVUPは2つのランキングの相関が強いため有効であることが示唆された。
- 参考スコア（独自算出の注目度）: 7.358732518242146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social networks give free access to their services in exchange for the right
to exploit their users' data. Data sharing is done in an initial context which
is chosen by the users. However, data are used by social networks and third
parties in different contexts which are often not transparent. We propose a new
approach which unveils potential effects of data sharing in impactful real-life
situations. Focus is put on visual content because of its strong influence in
shaping online user profiles. The approach relies on three components: (1) a
set of concepts with associated situation impact ratings obtained by
crowdsourcing, (2) a corresponding set of object detectors used to analyze
users' photos and (3) a ground truth dataset made of 500 visual user profiles
which are manually rated for each situation. These components are combined in
LERVUP, a method which learns to rate visual user profiles in each situation.
LERVUP exploits a new image descriptor which aggregates concept ratings and
object detections at user level. It also uses an attention mechanism to boost
the detections of highly-rated concepts to prevent them from being overwhelmed
by low-rated ones. Performance is evaluated per situation by measuring the
correlation between the automatic ranking of profile ratings and a manual
ground truth. Results indicate that LERVUP is effective since a strong
correlation of the two rankings is obtained. This finding indicates that
providing meaningful automatic situation-related feedback about the effects of
data sharing is feasible.
- Abstract（参考訳）: ソーシャルネットワークは、ユーザーのデータを利用する権利と引き換えに、サービスへの無料アクセスを提供する。
データ共有は、ユーザが選択した最初のコンテキストで実行される。
しかし、データはソーシャルネットワークやサードパーティーによって異なる文脈で使われ、しばしば透明性がない。
本稿では,影響のある実環境におけるデータ共有の効果を明らかにする新しい手法を提案する。
オンラインユーザープロフィールの形成に強い影響があるため、ビジュアルコンテンツに焦点が当てられている。
このアプローチは,(1)クラウドソーシングによって得られた状況影響評価に関連する概念のセット,(2)ユーザの写真を分析するために使用される対象検出器のセット,(3)状況毎に手動で評価される500のビジュアルユーザプロファイルからなる基底真理データセットの3つのコンポーネントに依存している。
これらのコンポーネントは、各状況における視覚的ユーザプロファイルを評価する方法を学習するLERVUPに組み合わされている。
LERVUPは新しいイメージ記述子を利用して、ユーザレベルで概念評価とオブジェクト検出を集約する。
また、注目メカニズムを使用して、高い評価のコンセプトの検出を強化し、低い評価のコンセプトに圧倒されるのを防ぐ。
プロファイルレーティングの自動ランキングと手動の地上真実との相関を測定することにより、状況ごとに性能を評価する。
その結果、LERVUPは2つのランキングの相関が強いため有効であることが示唆された。
この結果は、データ共有の効果に関する有意義な自動的状況関連フィードバックを提供することが可能であることを示している。
関連論文リスト
- Exposing and Explaining Fake News On-the-Fly [4.278181795494584]
この研究は、偽ニュースをリアルタイムで認識するための説明可能なオンライン分類手法に寄与する。
提案手法は、教師なしおよび教師なしの機械学習アプローチとオンライン生成レキシカを組み合わせたものである。
提案手法の性能はTwitterの実際のデータセットで検証され,その結果は80%精度とマクロF測定値を得た。
論文 参考訳（メタデータ） (2024-05-03T14:49:04Z) - SoMeR: Multi-View User Representation Learning for Social Media [1.7949335303516192]
本稿では,ソーシャルメディアのユーザ表現学習フレームワークであるSoMeRを提案する。
SoMeRは、ユーザ投稿ストリームをタイムスタンプ付きテキスト機能のシーケンスとしてエンコードし、トランスフォーマーを使用してプロファイルデータと共にそれを埋め込み、リンク予測とコントラスト学習の目標を共同でトレーニングする。
1)類似コンテンツを同時に投稿するユーザを検出することによって、協調的な影響操作に関わる不正確なアカウントを同定し、2)異なる信念を持つユーザがより遠くへ移動する様子を定量化して、主要なイベント後のオンライン議論における偏光の増大を測定する。
論文 参考訳（メタデータ） (2024-05-02T22:26:55Z) - Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。
アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。
本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
論文 参考訳（メタデータ） (2024-04-19T16:45:50Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Causal Disentanglement with Network Information for Debiased
Recommendations [34.698181166037564]
近年の研究では、因果的観点からレコメンデーターシステムをモデル化することで、デビアスを提案する。
この設定における重要な課題は、隠れた共同設立者を説明することだ。
我々は,ネットワーク情報(すなわち,ユーザ・ソーシャルおよびユーザ・イテムネットワーク)を活用して,隠れた共同創設者をよりよく近似することを提案する。
論文 参考訳（メタデータ） (2022-04-14T20:55:11Z) - Like Article, Like Audience: Enforcing Multimodal Correlations for
Disinformation Detection [20.394457328537975]
ユーザ生成コンテンツとユーザ共有コンテンツの相関を利用して、オンラインニュース記事の偽情報を検出する。
偽情報検出のためのマルチモーダル学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2021-08-31T14:50:16Z) - Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。
高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
論文 参考訳（メタデータ） (2021-03-16T11:08:30Z) - Disentangled Graph Collaborative Filtering [100.26835145396782]
Disentangled Graph Collaborative Filtering (DGCF)は、インタラクションデータからユーザとアイテムの情報表現を学ぶための新しいモデルである。
ユーザ・イテムのインタラクション毎に意図を超越した分布をモデル化することにより、インテント・アウェアなインタラクショングラフと表現を反復的に洗練する。
DGCFはNGCF、DisenGCN、MacridVAEといった最先端モデルよりも大幅に改善されている。
論文 参考訳（メタデータ） (2020-07-03T15:37:25Z) - A Robust Reputation-based Group Ranking System and its Resistance to
Bribery [8.300507994596416]
マルチパートレーティングワークを利用した評価に基づく新しいランキングシステムを提案する。
贈賄に対する抵抗性と最適な贈賄戦略の設計方法について検討する。
論文 参考訳（メタデータ） (2020-04-13T22:28:29Z) - Mining Implicit Entity Preference from User-Item Interaction Data for
Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。
我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。
利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文 参考訳（メタデータ） (2020-03-28T05:47:33Z) - 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。