論文の概要: Ranking Micro-Influencers: a Novel Multi-Task Learning and Interpretable Framework

• arxiv url: http://arxiv.org/abs/2107.13943v1
• Date: Thu, 29 Jul 2021 13:04:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-30 17:47:44.245753
• Title: Ranking Micro-Influencers: a Novel Multi-Task Learning and Interpretable Framework
• Title（参考訳）: マイクロインフルエンサーのランキング:新しいマルチタスク学習と解釈可能なフレームワーク
• Authors: Adam Elwood, Alberto Gasparin, Alessandro Rozza
• Abstract要約: マルチメディアコンテンツに基づくマイクロインフルエンサーランキングにおける技術状況を改善するための,新しいマルチタスク学習フレームワークを提案する。 精度とモデルの複雑さの両面で大きな改善が見られた。 この研究で提示されるランキングと解釈のテクニックは、任意のマルチメディアランキングタスクに一般化することができる。
• 参考スコア（独自算出の注目度）: 69.5850969606885
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the rise in use of social media to promote branded products, the demand for effective influencer marketing has increased. Brands are looking for improved ways to identify valuable influencers among a vast catalogue; this is even more challenging with "micro-influencers", which are more affordable than mainstream ones but difficult to discover. In this paper, we propose a novel multi-task learning framework to improve the state of the art in micro-influencer ranking based on multimedia content. Moreover, since the visual congruence between a brand and influencer has been shown to be good measure of compatibility, we provide an effective visual method for interpreting our models' decisions, which can also be used to inform brands' media strategies. We compare with the current state-of-the-art on a recently constructed public dataset and we show significant improvement both in terms of accuracy and model complexity. The techniques for ranking and interpretation presented in this work can be generalised to arbitrary multimedia ranking tasks that have datasets with a similar structure.
• Abstract（参考訳）: ブランド商品の宣伝にソーシャルメディアが使われるようになり、効果的なインフルエンサーマーケティングへの需要が高まっている。 これは"マイクロインフルエンサー(micro-influencers)"が主流の製品よりも手頃な価格だが発見が難しいため、さらに難しい。 本稿では,マルチメディアコンテンツに基づくマイクロインフルエンサーランキングにおける技術状況を改善するための,新しいマルチタスク学習フレームワークを提案する。 さらに,ブランドとインフルエンサーの視覚的一致が互換性のよい尺度であることが示されていることから,ブランドのメディア戦略の伝達にも利用できる,モデル決定を効果的に解釈するための視覚的手法を提供する。 最近構築されたパブリックデータセットの現在の状態と比較し、精度とモデルの複雑さの両面で大幅な改善を示す。 この研究で提示されるランキングと解釈のテクニックは、類似した構造を持つデータセットを持つ任意のマルチメディアランキングタスクに一般化することができる。

関連論文リスト

• MUFM: A Mamba-Enhanced Feedback Model for Micro Video Popularity Prediction [1.7040391128945196]
  ユーザフィードバックと動的イベントインタラクションにおける長期的依存関係をキャプチャするフレームワークを導入する。 大規模なオープンソースマルチモーダルデータセットに関する我々の実験は、我々のモデルが最先端のアプローチを23.2%上回っていることを示している。
  論文  参考訳（メタデータ） (2024-11-23T05:13:27Z)
• A Deep Learning Approach for Imbalanced Tabular Data in Advertiser Prospecting: A Case of Direct Mail Prospecting [0.6990493129893112]
  本稿では,新たな顧客を特定するための教師付き学習手法を提案する。 このフレームワークは、膨大な数の数値的および分類的特徴を持つ大きな不均衡データセットに取り組むように設計されている。 我々のフレームワークは、オートエンコーダとフィードフォワードニューラルネットワークの2つのコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2024-10-02T01:19:40Z)
• Leveraging Human-Machine Interactions for Computer Vision Dataset Quality Enhancement [0.0]
  emphImageNet-1kのようなシングルラベルのマルチクラス分類のための大規模データセットは、ディープラーニングやコンピュータビジョンの進歩に役立っている。 我々は、効率的なデータセット検証と品質向上のために、人間とマシンインテリジェンスをシナジする軽量でユーザフレンドリでスケーラブルなフレームワークを導入します。 ImageNetV2データセットでMultilabelfyを使用することで、画像の約47.88%が少なくとも2つのラベルを含んでいることがわかった。
  論文  参考訳（メタデータ） (2024-01-31T10:57:07Z)
• Leveraging Large Language Models to Detect Influence Campaigns in Social Media [9.58546889761175]
  ソーシャルメディアの影響は、大衆の言論や民主主義に重大な課題をもたらしている。 従来の検出方法は、ソーシャルメディアの複雑さとダイナミックな性質のために不足している。 本稿では,ユーザメタデータとネットワーク構造の両方を組み込んだLarge Language Models (LLM) を用いた新しい検出手法を提案する。
  論文  参考訳（メタデータ） (2023-11-14T00:25:09Z)
• Multi-queue Momentum Contrast for Microvideo-Product Retrieval [57.527227171945796]
  マルチモーダルインスタンスとマルチモーダルインスタンス間の検索を探索する最初の試みであるマイクロビデオ製品検索タスクを定式化する。 双方向検索のためのMulti-Queue Momentum Contrast(MQMC)ネットワークという新しい手法を提案する。 マルチキューを用いた識別的選択戦略は、カテゴリによって異なる負の重要性を区別するために用いられる。
  論文  参考訳（メタデータ） (2022-12-22T03:47:14Z)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)
• CMA-CLIP: Cross-Modality Attention CLIP for Image-Text Classification [18.78457628409226]
  我々は、CMA-CLIP(Cross-Modality Attention Contrastive Language- Image Pre-training)を提案する。 CMA-CLIPは、画像とテキストのペアから情報を効果的に融合するために、シーケンスワイドアテンションとモーダリティアテンションの2つのタイプのクロスモーダリティアテンションを統一する。 我々は,Major Retail Website Product Attribute(MRWPA)データセットと2つのパブリックデータセットであるFood101とFashion-Genで実験を行った。
  論文  参考訳（メタデータ） (2021-12-07T08:23:42Z)
• Adaptive Hierarchical Similarity Metric Learning with Noisy Labels [138.41576366096137]
  適応的階層的類似度メトリック学習法を提案する。 ノイズに敏感な2つの情報、すなわち、クラスワイドのばらつきとサンプルワイドの一貫性を考える。 提案手法は,現在の深層学習手法と比較して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-10-29T02:12:18Z)
• Multi-Label Image Classification with Contrastive Learning [57.47567461616912]
  コントラスト学習の直接適用は,複数ラベルの場合においてほとんど改善できないことを示す。 完全教師付き環境下でのコントラスト学習を用いたマルチラベル分類のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-24T15:00:47Z)
• Revisiting Meta-Learning as Supervised Learning [69.2067288158133]
  メタラーニングと従来の教師付き学習の関連性を再考し,強化することで,原則的,統一的なフレームワークの提供を目指す。 タスク固有のデータセットとターゲットモデルを(機能、ラベル)サンプルとして扱うことで、多くのメタ学習アルゴリズムを教師付き学習のインスタンスに還元することができる。 この視点は、メタラーニングを直感的で実践的なフレームワークに統一するだけでなく、教師付き学習から直接洞察を伝達してメタラーニングを改善することができる。
  論文  参考訳（メタデータ） (2020-02-03T06:13:01Z)

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。