論文の概要: Learning User Embeddings from Temporal Social Media Data: A Survey
- arxiv url: http://arxiv.org/abs/2105.07996v1
- Date: Mon, 17 May 2021 16:22:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-18 14:49:25.228980
- Title: Learning User Embeddings from Temporal Social Media Data: A Survey
- Title（参考訳）: 時間的ソーシャルメディアデータからユーザ埋め込みを学習する:調査
- Authors: Fatema Hasan, Kevin S. Xu, James R. Foulds, Shimei Pan
- Abstract要約: 我々は,簡潔な潜在ユーザ表現(a.k.a.)を学習する代表的作業について調査する。
ユーザー埋め込み)は、ソーシャルメディアユーザーの主な特徴を捉えることができる。
学習されたユーザー埋め込みは、その後、パーソナリティモデリング、自殺リスクアセスメント、購買判断予測など、さまざまな下流のユーザー分析タスクをサポートするために使用できます。
- 参考スコア（独自算出の注目度）: 15.324014759254915
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: User-generated data on social media contain rich information about who we
are, what we like and how we make decisions. In this paper, we survey
representative work on learning a concise latent user representation (a.k.a.
user embedding) that can capture the main characteristics of a social media
user. The learned user embeddings can later be used to support different
downstream user analysis tasks such as personality modeling, suicidal risk
assessment and purchase decision prediction. The temporal nature of
user-generated data on social media has largely been overlooked in much of the
existing user embedding literature. In this survey, we focus on research that
bridges the gap by incorporating temporal/sequential information in user
representation learning. We categorize relevant papers along several key
dimensions, identify limitations in the current work and suggest future
research directions.
- Abstract（参考訳）: ソーシャルメディア上のユーザー生成データには、私たちが誰であるか、何が好きか、どのように意思決定するかに関する豊富な情報が含まれている。
本稿では,簡潔な潜在ユーザ表現(a.k.a.)を学習する代表的作業について調査する。
ユーザー埋め込み)は、ソーシャルメディアユーザーの主な特徴を捉えることができる。
学習されたユーザ埋め込みは、後にパーソナリティモデリング、自殺リスク評価、購入決定予測など、下流のさまざまなユーザ分析タスクをサポートするために使用することができる。
ソーシャルメディア上のユーザ生成データの時間的特性は、既存のユーザ埋め込み文学の多くで見過ごされている。
本研究では,ユーザ表現学習における時間/シーケンス情報の導入によるギャップを埋める研究に焦点を当てた。
関連論文をいくつかのキーディメンションに沿って分類し,現在の作業の限界を特定し,今後の研究方向性を提案する。
関連論文リスト
- Do We Trust What They Say or What They Do? A Multimodal User Embedding Provides Personalized Explanations [35.77028281332307]
ソーシャルネットワークのためのコントリビューション対応マルチモーダルユーザ埋め込み(CAMUE)を提案する。
提案手法は,信頼できない情報の影響を自動的に軽減し,パーソナライズ可能な予測を提供する。
私たちの仕事は、より説明しやすく、信頼性があり、効果的なソーシャルメディアユーザー埋め込みの道を開く。
論文 参考訳（メタデータ） (2024-09-04T02:17:32Z) - 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) - 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) - Silence Speaks Volumes: Re-weighting Techniques for Under-Represented
Users in Fake News Detection [25.5495085102178]
わずか1%のユーザーが、ソーシャルネットワークサイトのコンテンツの大半を生成している。
残りのユーザーは、さまざまな学位を取得できるが、コンテンツ制作にはあまり積極的でなく、ほとんど沈黙している傾向にある。
そこで本稿では,提案手法を応用してサイレント・マジョリティを耳にする手法を提案する。また,これらのユーザからの手がかりが,偽ニュース検出の下流タスクにおいて,現在のモデルの性能を向上させることができるかどうかを検討する。
論文 参考訳（メタデータ） (2023-08-03T20:04:20Z) - Likes and Fragments: Examining Perceptions of Time Spent on TikTok [24.079009867311637]
この研究は、TikTokというユースタイムの文脈で新しいソーシャルメディアプラットフォームを探求するための先行研究に基づいている。
我々は、ユーザの人口統計とプラットフォームエンゲージメントが、プラットフォームに費やす時間とその推定精度に対する認識にどのように影響するかを理解するために、ユーザの自己申告およびサーバログによるTikTok使用状況のプラットフォームに依存しない測定を行います。
論文 参考訳（メタデータ） (2023-03-03T16:06:22Z) - Predicting mental health using social media: A roadmap for future
development [0.0]
うつ病や自殺などの精神障害は、世界中で3億人以上の人々に影響を及ぼす。
ソーシャルメディア上では、精神障害の症状が観察され、自動化されたアプローチがそれらを検出する能力が高まっている。
この研究は、精神状態検出を機械学習技術に基づいて行うことができる分析のロードマップを提供する。
論文 参考訳（メタデータ） (2023-01-25T08:08:29Z) - 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) - Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia
for Human Personality Profiling [74.83957286553924]
我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。
実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
論文 参考訳（メタデータ） (2021-06-20T10:48:49Z) - Can You be More Social? Injecting Politeness and Positivity into
Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。
このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。
人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文 参考訳（メタデータ） (2020-12-29T08:22:48Z) - Improving time use measurement with personal big data collection -- the
experience of the European Big Data Hackathon 2019 [62.997667081978825]
この記事では、Eurostatが主催するNTTS(New Techniques and Technologies for Statistics)カンファレンスのサテライトイベントであるEuropean Big Data Hackathon 2019で、i-Logの経験を評価します。
i-Logは、スマートフォンの内部センサーから個人用ビッグデータをキャプチャして、時間的使用量を測定するシステムである。
論文 参考訳（メタデータ） (2020-04-24T18:40:08Z) - 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)
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。