論文の概要: Locate Who You Are: Matching Geo-location to Text for Anchor Link Prediction

• arxiv url: http://arxiv.org/abs/2104.09119v1
• Date: Mon, 19 Apr 2021 08:15:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 13:39:37.945810
• Title: Locate Who You Are: Matching Geo-location to Text for Anchor Link Prediction
• Title（参考訳）: あなたが誰であるか:アンカーリンク予測のためのテキストとジオロケーションのマッチング
• Authors: Jiangli Shao, Yongqing Wang, Hao Gao, Huawei Shen, Xueqi Cheng
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 40.654494490237
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Nowadays, users are encouraged to activate across multiple online social networks simultaneously. Anchor link prediction, which aims to reveal the correspondence among different accounts of the same user across networks, has been regarded as a fundamental problem for user profiling, marketing, cybersecurity, and recommendation. Existing methods mainly address the prediction problem by utilizing profile, content, or structural features of users in symmetric ways. However, encouraged by online services, users would also post asymmetric information across networks, such as geo-locations and texts. It leads to an emerged challenge in aligning users with asymmetric information across networks. Instead of similarity evaluation applied in previous works, we formalize correlation between geo-locations and texts and propose a novel anchor link prediction framework for matching users across networks. Moreover, our model can alleviate the label scarcity problem by introducing external data. Experimental results on real-world datasets show that our approach outperforms existing methods and achieves state-of-the-art results.
• Abstract（参考訳）: 現在、ユーザーは複数のオンラインソーシャルネットワークで同時にアクティベートすることが奨励されている。 同一ユーザの異なるアカウント間のネットワーク間の対応を明らかにすることを目的としたアンカーリンク予測は、ユーザプロファイリング、マーケティング、サイバーセキュリティ、レコメンデーションの基本的な問題とみなされている。 既存手法は主に、ユーザのプロファイル、コンテンツ、構造的特徴を対称的に利用することで予測問題に対処する。 しかし、オンラインサービスによって奨励され、ユーザーは位置情報やテキストなどのネットワーク間で非対称な情報を投稿する。 ネットワーク横断で非対称な情報とユーザーを結びつけるという課題が表面化している。 先行研究における類似性評価に代えて,位置情報とテキストの相関関係を定式化し,ネットワーク間でユーザをマッチングする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。 さらに,外部データの導入によりラベル不足の問題を軽減することができる。 実世界のデータセットによる実験結果から,我々の手法は既存の手法より優れ,最先端の結果が得られることが示された。

関連論文リスト

• RCoCo: Contrastive Collective Link Prediction across Multiplex Network in Riemannian Space [20.85587272424559]
  マルチプレクサネットワークにおける幾何対応型集合リンク予測の課題について検討する。 この問題に対処するために,ネットワーク内およびネットワーク間動作を協調する新しいコントラストモデルRCoCoを提案する。 実世界の8つのデータセットに対して,14の強いベースラインを用いた広範な実験を行い,RCoCoの有効性を示した。
  論文  参考訳（メタデータ） (2024-03-04T09:20:05Z)
• 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)
• An Approach for Link Prediction in Directed Complex Networks based on Asymmetric Similarity-Popularity [0.0]
  本稿では,有向ネットワーク用に明示的に設計されたリンク予測手法を提案する。 これは、最近無方向性ネットワークで成功した類似性-人気パラダイムに基づいている。 アルゴリズムは、隠れた類似性を最も短い経路距離として近似し、リンクの非対称性とノードの人気を捉え、決定するエッジウェイトを使用する。
  論文  参考訳（メタデータ） (2022-07-15T11:03:25Z)
• Link Prediction with Contextualized Self-Supervision [63.25455976593081]
  リンク予測は、ネットワーク内の2つのノード間のリンクの存在を推測することを目的としている。 従来のリンク予測アルゴリズムは、リンク空間、ノード属性ノイズ、ネットワークダイナミクスという3つの大きな課題によって妨げられている。 本稿では,リンク予測のための構造的コンテキスト予測を完全に活用する,コンテキスト適応型自己監視学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-25T03:12:32Z)
• Personalized multi-faceted trust modeling to determine trust links in social media and its potential for misinformation management [61.88858330222619]
  ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。 本稿では,データ駆動型多面信頼モデルを提案する。 信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
  論文  参考訳（メタデータ） (2021-11-11T19:40:51Z)
• 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)
• 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)
• Interpretable Signed Link Prediction with Signed Infomax Hyperbolic Graph [54.03786611989613]
  ソーシャルネットワークにおけるサイン付きリンク予測は、ユーザ(すなわちノード)間の基盤となる関係(リンク)を明らかにすることを目的としている 我々は Signed Infomax Hyperbolic Graph (textbfSIHG) と呼ばれる統一されたフレームワークを開発する。 高次ユーザ関係と複雑な階層をモデル化するために、ノードの埋め込みを投影し、より低歪みの双曲空間で測定する。
  論文  参考訳（メタデータ） (2020-11-25T05:09:03Z)
• On a Bernoulli Autoregression Framework for Link Discovery and Prediction [1.9290392443571387]
  本稿では,自己回帰過程のベルヌーイ一般化に基づく二項列の動的予測フレームワークを提案する。 本稿では,さらに多くの補助的ネットワークを介し,付加的な情報を利用する新たな問題を提案する。 既存の作業とは対照的に、勾配に基づく推定アプローチは非常に効率的で、数百万のノードを持つネットワークにスケールすることができる。
  論文  参考訳（メタデータ） (2020-07-23T05:58:22Z)

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。