論文の概要: Social Networks Analysis to Retrieve Critical Comments on Online Platforms

• arxiv url: http://arxiv.org/abs/2102.10495v1
• Date: Sun, 21 Feb 2021 02:54:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-23 14:48:33.387208
• Title: Social Networks Analysis to Retrieve Critical Comments on Online Platforms
• Title（参考訳）: オンラインプラットフォームに対する批判的コメントを検索するソーシャルネットワーク分析
• Authors: Shova Bhandari, Rini Raju
• Abstract要約: テキスト分析手法を用いて,ソーシャルネットワーク分析の新しいモデルを構築した。 グローバルパンデミックに対する各ユーザの反応を,オンライン行動の分析によって定義する。 ソーシャルメディアのハイリスクオンラインユーザーにおける健康的なライフスタイルを促進することは、公衆衛生に大きな影響を与えます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Social networks are rich source of data to analyze user habits in all aspects of life. User's behavior is decisive component of a health system in various countries. Promoting good behavior can improve the public health significantly. In this work, we develop a new model for social network analysis by using text analysis approach. We define each user reaction to global pandemic with analyzing his online behavior. Clustering a group of online users with similar habits, help to find how virus spread in different societies. Promoting the healthy life style in the high risk online users of social media have significant effect on public health and reducing the effect of global pandemic. In this work, we introduce a new approach to clustering habits based on user activities on social media in the time of pandemic and recommend a machine learning model to promote health in the online platforms.
• Abstract（参考訳）: ソーシャルネットワークは、生活のあらゆる面でユーザーの習慣を分析するための豊富なデータソースである。 ユーザーの行動は、さまざまな国の健康システムの決定的なコンポーネントです。 善行の促進は公衆衛生を著しく改善させる。 本研究では,テキスト解析手法を用いて,ソーシャルネットワーク解析のための新しいモデルを開発する。 グローバルパンデミックに対する各ユーザの反応を,オンライン行動の分析によって定義する。 類似の習慣を持つオンラインユーザのグループをクラスタ化することで、異なる社会にウイルスがどのように広がるかを見つけるのに役立つ。 ソーシャルメディアのハイリスクオンラインユーザーにおける健康的なライフスタイルを促進することは、公衆衛生に大きな影響を与え、世界的なパンデミックの影響を軽減します。 本研究では,パンデミック時のソーシャルメディア上でのユーザ活動に基づくクラスタリング行動に対する新たなアプローチを導入し,オンラインプラットフォームにおける健康を促進するための機械学習モデルを提案する。

関連論文リスト

• The Role of Likes: How Online Feedback Impacts Users' Mental Health [1.0156836684627544]
  オンラインフィードバックがユーザーの感情体験、社会的つながり、自尊心に与える影響を分析した。 他者からの反応がほとんどないし全くないことから,ユーザの否定的な感情を誘発するだけでなく,自己評価の低レベルも引き起こすことがわかった。 対照的に、オンラインのフィードバックを非常に肯定的に受け取り、社会的つながりの感情を誘発し、全体的な孤独を減少させる。
  論文  参考訳（メタデータ） (2023-12-19T07:48:10Z)
• A Comprehensive Picture of Factors Affecting User Willingness to Use Mobile Health Applications [62.60524178293434]
  本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。 利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。 居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
  論文  参考訳（メタデータ） (2023-05-10T08:11:21Z)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T01:20:29Z)
• 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)
• Conductance and Social Capital: Modeling and Empirically Measuring Online Social Influence [9.556358888163983]
  社会的影響は私たちの日常生活に浸透し、複雑な社会現象の基礎を築いた。 オンライン社会的影響を研究する既存の文献は、いくつかの欠点に悩まされている。 この研究はギャップを埋め、モデリングとオンライン影響の実証的な定量化に3つの貢献をする。
  論文  参考訳（メタデータ） (2021-10-25T01:05:49Z)
• Detecting Ideal Instagram Influencer Using Social Network Analysis [0.0]
  本論文は、現実のオンラインマーケティング戦略のためのソーシャルネットワーク分析(SNA)に焦点を当てている。 この研究は、ネットワーク内の最も中心的なノードを特定するための様々な集中度尺度を比較し、個々のユーザの拡散行動を理解するために線形しきい値モデルを用いて貢献する。
  論文  参考訳（メタデータ） (2021-07-12T20:53:58Z)
• Debate on Online Social Networks at the Time of COVID-19: An Italian Case Study [4.176752121302988]
  イタリアで人気のインフルエンサーたちの交流パターンが、2020年前半にどう変わったかを分析した。 1億4000万件以上の投稿に5400万件以上のコメントが寄せられた。 また,コメントの心理言語的特性からユーザ感情を分析し,パンデミックに関連する話題の急激なブームと消失を実証した。
  論文  参考訳（メタデータ） (2021-06-02T08:25:19Z)
• Social Behavior and Mental Health: A Snapshot Survey under COVID-19 Pandemic [6.5721468981020665]
  新型コロナウイルスのパンデミックは、私たちの生活、研究、社会化、再現方法を変えました。 オンラインソーシャルメディア分析を利用してユーザーの精神状態を検出し評価する研究が増えている。
  論文  参考訳（メタデータ） (2021-05-17T21:08:03Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)
• I Know Where You Are Coming From: On the Impact of Social Media Sources on AI Model Performance [79.05613148641018]
  我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。 最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2020-02-05T11:10:44Z)
• 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。