論文の概要: Recurrent Graph Neural Networks for Rumor Detection in Online Forums

• arxiv url: http://arxiv.org/abs/2108.03548v1
• Date: Sun, 8 Aug 2021 01:34:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-11 09:04:17.758886
• Title: Recurrent Graph Neural Networks for Rumor Detection in Online Forums
• Title（参考訳）: オンラインフォーラムにおける反響検出のためのリカレントグラフニューラルネットワーク
• Authors: Di Huang, Jacob Bartel, John Palowitch
• Abstract要約: 本研究は,ユーザインタラクション信号のみを用いて,フォーラム上のリンクコンテンツを分類する手法を提案する。 Redditのようなオンラインフォーラムは、ユーザー生成のソーシャルグラフを持っていない。 本稿では、このグラフ、Redditポストシーケンス、コメントツリーをリカレントグラフニューラルネットワーク(R-GNN)エンコーダの入力として利用する。
• 参考スコア（独自算出の注目度）: 14.868643774881624
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The widespread adoption of online social networks in daily life has created a pressing need for effectively classifying user-generated content. This work presents techniques for classifying linked content spread on forum websites -- specifically, links to news articles or blogs -- using user interaction signals alone. Importantly, online forums such as Reddit do not have a user-generated social graph, which is assumed in social network behavioral-based classification settings. Using Reddit as a case-study, we show how to obtain a derived social graph, and use this graph, Reddit post sequences, and comment trees as inputs to a Recurrent Graph Neural Network (R-GNN) encoder. We train the R-GNN on news link categorization and rumor detection, showing superior results to recent baselines. Our code is made publicly available at https://github.com/google-research/social_cascades.
• Abstract（参考訳）: 日常生活におけるオンラインソーシャルネットワークの普及により、ユーザー生成コンテンツを効果的に分類する必要性が高まっている。 本研究は,ユーザインタラクション信号のみを用いて,フォーラムサイト(特にニュース記事やブログへのリンク)に散在するリンクコンテンツを分類する手法を提案する。 重要なことは、Redditのようなオンラインフォーラムは、ソーシャルネットワークの行動に基づく分類設定で仮定される、ユーザ生成のソーシャルグラフを持っていないことである。 ケーススタディとしてRedditを用いて、派生ソーシャルグラフの取得方法を示し、このグラフ、Redditポストシーケンス、コメントツリーをリカレントグラフニューラルネットワーク(R-GNN)エンコーダの入力として使用する。 我々は、ニュースリンク分類と噂検出に基づいてR-GNNを訓練し、最近のベースラインに優れた結果を示す。 私たちのコードはhttps://github.com/google-research/social_cascadesで公開されています。

関連論文リスト

• GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
  グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。 本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-17T13:04:23Z)
• A Survey of Graph Neural Networks for Social Recommender Systems [38.79810157156386]
  ソーシャルレコメンデータシステム(SocialRS)は、ユーザ間インタラクションとユーザ間ソーシャルリレーションを同時に活用する。 グラフニューラルネットワーク(GNN)の進歩により、近年多くのGNNベースのSocialRS手法が開発されている。 我々は,GNNに基づくSocialRS手法に関する文献を包括的かつ体系的にレビューする。
  論文  参考訳（メタデータ） (2022-12-08T18:54:15Z)
• Neo-GNNs: Neighborhood Overlap-aware Graph Neural Networks for Link Prediction [23.545059901853815]
  グラフニューラルネットワーク(GNN)は,グラフ構造データの学習に広く応用されている。 リンク予測のために隣接重畳された近傍から有用な構造特徴を学習する近傍オーバーラップ対応グラフニューラルネットワーク(Neo-GNN)を提案する。
  論文  参考訳（メタデータ） (2022-06-09T01:43:49Z)
• Graph-level Neural Networks: Current Progress and Future Directions [61.08696673768116]
  グラフレベルのニューラルネットワーク(GLNN、ディープラーニングベースのグラフレベルの学習法)は、高次元データのモデリングにおいて優れているため、魅力的である。 本稿では,深層ニューラルネットワーク,グラフニューラルネットワーク,グラフプール上でのGLNNを網羅する系統分類法を提案する。
  論文  参考訳（メタデータ） (2022-05-31T06:16:55Z)
• Evidential Temporal-aware Graph-based Social Event Detection via Dempster-Shafer Theory [76.4580340399321]
  ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。 ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。 ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
  論文  参考訳（メタデータ） (2022-05-24T16:22:40Z)
• A comparative analysis of Graph Neural Networks and commonly used machine learning algorithms on fake news detection [0.0]
  低コスト、ソーシャルプラットフォーム経由のシンプルなアクセシビリティ、低予算のオンラインニュースソースが、偽ニュースの普及に寄与する要因の1つだ。 既存の偽ニュース検出アルゴリズムのほとんどは、ニュースコンテンツのみに焦点を当てている。 エンゲージメントのあるユーザーによる事前投稿やソーシャル活動は、ニュースに対する見解に関する豊富な情報を提供し、フェイクニュースの識別を改善する重要な能力を持っている。
  論文  参考訳（メタデータ） (2022-03-26T18:40:03Z)
• Harnessing the Power of Ego Network Layers for Link Prediction in Online Social Networks [0.734084539365505]
  予測は典型的には教師なしまたは教師なしの学習に基づいている。 個人の社会的構造に関するより豊かな情報は、より良い予測につながるかもしれないと我々は主張する。 社会的認識が予測性能に大きな改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-09-19T18:49:10Z)
• Learning Graph Representations [0.0]
  グラフニューラルネットワーク(GNN)は、大きな動的グラフデータセットに対する洞察を得るための効率的な方法である。 本稿では,グラフ畳み込みニューラルネットワークのオートエンコーダとソーシャル・テンポラル・グラフ・ニューラルネットワークについて論じる。
  論文  参考訳（メタデータ） (2021-02-03T12:07:55Z)
• Graph Neural Networks: Architectures, Stability and Transferability [176.3960927323358]
  グラフニューラルネットワーク(GNN)は、グラフでサポートされている信号のための情報処理アーキテクチャである。 これらは、個々の層がグラフ畳み込みフィルタのバンクを含む畳み込みニューラルネットワーク(CNN)の一般化である。
  論文  参考訳（メタデータ） (2020-08-04T18:57:36Z)
• Graphon Neural Networks and the Transferability of Graph Neural Networks [125.71771240180654]
  グラフニューラルネットワーク(GNN)は、ネットワークデータから局所的な特徴を抽出するためにグラフ畳み込みに依存する。 我々は,GNNのリミットオブジェクトとしてグラフオンNNを導入し,GNNの出力とそのリミットグラフオン-NNとの差を証明した。 これにより、GNNの識別可能性と転送可能性のトレードオフが確立される。
  論文  参考訳（メタデータ） (2020-06-05T16:41:08Z)
• Stealing Links from Graph Neural Networks [72.85344230133248]
  最近、ニューラルネットワークはグラフニューラルネットワーク(GNN)として知られるグラフデータに拡張された。 優れたパフォーマンスのため、GNNは医療分析、レコメンダシステム、不正検出など多くのアプリケーションを持っている。 グラフ上でトレーニングされたGNNモデルの出力からグラフを盗む最初の攻撃を提案する。
  論文  参考訳（メタデータ） (2020-05-05T13:22:35Z)

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。