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
- Exploring the Trade-off between Plausibility, Change Intensity and
Adversarial Power in Counterfactual Explanations using Multi-objective
Optimization [73.89239820192894]
自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。
本稿では, 対実例生成のための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2022-05-20T15:02:53Z) - Selectively Contextual Bandits [11.438194383787604]
本稿では,個人化のメリットを保ちながら,ユーザ間の待遇の共通性を高めつつ,新たなオンライン学習アルゴリズムを提案する。
提案手法は文脈自由なマルチアームバンディットアルゴリズムと文脈自由なマルチアームバンディットを選択的に補間する。
提案手法を,公開データセットを用いた分類設定で評価し,ハイブリットポリシーの利点を示す。
論文 参考訳（メタデータ） (2022-05-09T19:47:46Z) - 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) - A Closer Look at Debiased Temporal Sentence Grounding in Videos:
Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。
最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。
偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文 参考訳（メタデータ） (2022-03-10T08:58:18Z) - Masked Transformer for Neighhourhood-aware Click-Through Rate Prediction [74.52904110197004]
本稿では,近隣相互作用に基づくCTR予測を提案し,そのタスクを異種情報ネットワーク(HIN)設定に組み込む。
周辺地域の表現を高めるために,ノード間のトポロジカルな相互作用を4種類検討する。
本研究では,2つの実世界のデータセットに関する総合的な実験を行い,提案手法が最先端のCTRモデルを大幅に上回ることを示す。
論文 参考訳（メタデータ） (2022-01-25T12:44:23Z) - Attribute Inference Attack of Speech Emotion Recognition in Federated
Learning Settings [56.93025161787725]
Federated Learning(FL)は、クライアントをコーディネートして、ローカルデータを共有せずにモデルを協調的にトレーニングする分散機械学習パラダイムである。
本稿では,共有勾配やモデルパラメータからクライアントの機密属性情報を推測する属性推論攻撃フレームワークを提案する。
FLを用いて学習したSERシステムに対して,属性推論攻撃が達成可能であることを示す。
論文 参考訳（メタデータ） (2021-12-26T16:50:42Z) - Global-Local Context Network for Person Search [125.51080862575326]
パーソンサーチは、自然に切り刻まれた画像からクエリーを共同でローカライズし、識別することを目的としている。
我々は,対象人物を取り巻く環境情報を多様かつ局所的に利用し,それぞれがシーンとグループコンテキストを参照する。
本稿では,機能強化を目的としたグローバル・ローカル・コンテキスト・ネットワーク(GLCNet)を提案する。
論文 参考訳（メタデータ） (2021-12-05T07:38:53Z) - Contextual Unsupervised Outlier Detection in Sequences [6.498751019721444]
本研究では,トラジェクトリ(シーケンス)外乱検出のための教師なし学習フレームワークを提案する。
last.fm と msnbc.com のユーザアクションに基づく実データと模擬データセットの収集について,本手法の評価を行った。
Facebookの友達の投稿を他のタイプのユーザーよりも大幅にシェアする傾向にあり、Pinterest上での共有行動にFacebookの友情が潜在的に影響していることを示している。
論文 参考訳（メタデータ） (2021-11-06T05:44:58Z) - 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) - 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) - 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)
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。