論文の概要: Predicting Users' Value Changes by the Friends' Influence from Social Media Usage

• arxiv url: http://arxiv.org/abs/2109.08021v1
• Date: Sun, 12 Sep 2021 09:17:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-18 13:24:47.559904
• Title: Predicting Users' Value Changes by the Friends' Influence from Social Media Usage
• Title（参考訳）: ソーシャルメディア利用による友人の影響による利用者の価値変化の予測
• Authors: Md. Saddam Hossain Mukta, Ahmed Shahriar Sakib, Md. Adnanul Islam, Mohiuddin Ahmed, Mumshad Ahamed Rifat
• Abstract要約: 既存の研究では、ソーシャルネットワークの使用状況から人の価値を識別できることが示されている。 本研究では,Facebookにおける275の異なるエゴネットワークから,境界信頼度モデル(BCM)に基づく値ダイナミクスモデルを提案する。
• 参考スコア（独自算出の注目度）: 0.6299766708197883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Basic human values represent a set of values such as security, independence, success, kindness, and pleasure, which we deem important to our lives. Each of us holds different values with different degrees of significance. Existing studies show that values of a person can be identified from their social network usage. However, the value priority of a person may change over time due to different factors such as life experiences, influence, social structure and technology. Existing studies do not conduct any analysis regarding the change of users' value from the social influence, i.e., group persuasion, form the social media usage. In our research, first, we predict users' value score by the influence of friends from their social media usage. We propose a Bounded Confidence Model (BCM) based value dynamics model from 275 different ego networks in Facebook that predicts how social influence may persuade a person to change their value over time. Then, to predict better, we use particle swarm optimization based hyperparameter tuning technique. We observe that these optimized hyperparameters produce accurate future value score. We also run our approach with different machine learning based methods and find support vector regression (SVR) outperforms other regressor models. By using SVR with the best hyperparameters of BCM model, we find the lowest Mean Squared Error (MSE) score 0.00347.
• Abstract（参考訳）: 基本的人間の価値観は、セキュリティ、独立、成功、優しさ、喜びといった、私たちの生活にとって重要な価値のセットを表します。 それぞれが意味の異なる異なる値を持っています。 既存の研究によれば、個人の価値はソーシャルネットワークの利用から識別できる。 しかし、生活経験、影響、社会構造、技術など様々な要因により、人の価値の優先順位は時間とともに変化する可能性がある。 既存の研究では、社会的影響、すなわち集団説得から利用者の価値の変化がソーシャルメディアの利用を形作るという分析は行われていない。 本研究では,まず,友人のソーシャルメディア利用に対する影響から,利用者の価値スコアを推定する。 本研究では,Facebookにおける275の異なるエゴネットワークから,境界信頼度モデル(BCM)に基づく価値ダイナミクスモデルを提案する。 そこで我々は,粒子群最適化に基づくハイパーパラメータチューニング技術を用いて予測を行う。 これらの最適化されたハイパーパラメータは、正確な将来の値スコアを生成する。 また、異なる機械学習ベースの手法でアプローチを実行し、サポートベクター回帰(SVR)が他の回帰モデルより優れていることを発見した。 BCMモデルで最高のハイパーパラメータを持つSVRを用いて、最小の平均正方形誤差(MSE)スコア0.00347を求める。

関連論文リスト

• 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)
• Personality Profiling: How informative are social media profiles in predicting personal information? [0.04096453902709291]
  我々は、人々のオンラインデジタルフットプリントが、彼らのマイアーズ・ブリッグス・パーソナリティのタイプをプロファイリングできる範囲について調べる。 我々は,ロジスティック回帰,ナイーブベイズ,サポートベクターマシン(SVM),ランダムフォレストという4つのモデルを比較した。 SVMモデルは、完全なパーソナリティの型を予測するために20.95%の精度を達成する。
  論文  参考訳（メタデータ） (2023-09-15T03:09:43Z)
• Value Kaleidoscope: Engaging AI with Pluralistic Human Values, Rights, and Duties [68.66719970507273]
  価値多元性とは、複数の正しい値が互いに緊張して保持されるという考え方である。 統計的学習者として、AIシステムはデフォルトで平均に適合する。 ValuePrismは、218kの値、権利、義務の大規模なデータセットで、31kの人間が記述した状況に関連付けられています。
  論文  参考訳（メタデータ） (2023-09-02T01:24:59Z)
• 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)
• D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling Algorithmic Bias [57.87117733071416]
  D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。 ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。 それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
  論文  参考訳（メタデータ） (2022-08-10T03:41:48Z)
• Estimating Social Influence from Observational Data [5.156484100374057]
  本研究では,社会的影響を推定する問題,個人の行動が将来の仲間の行動に与える影響を考察する。 鍵となる課題は、友人間の共有行動は、影響または他の2つの要因によって等しく説明できることである。 本稿では,3つの貢献によって社会的影響を推定する上での課題について論じる。
  論文  参考訳（メタデータ） (2022-03-24T20:21:24Z)
• ValueNet: A New Dataset for Human Value Driven Dialogue System [103.2044265617704]
  本稿では,21,374のテキストシナリオに対する人間の態度を含む,ValueNetという大規模人的価値データセットを提案する。 総合的な経験的結果は、学習された価値モデルが幅広い対話作業に有用であることを示している。 ValueNetは、人間の価値モデリングのための最初の大規模テキストデータセットである。
  論文  参考訳（メタデータ） (2021-12-12T23:02:52Z)
• 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)
• Expertise and confidence explain how social influence evolves along intellective tasks [10.525352489242396]
  本研究では,知的なタスクの連続を集団的に実行する個人集団における対人的影響について検討する。 本稿では, 過渡記憶系の理論, 社会的比較, 社会的影響の起源に関する信頼に関する実証的証拠を報告する。 これらの理論にインスパイアされた認知力学モデルを提案し、個人が時間とともに対人的影響を調整する過程を記述する。
  論文  参考訳（メタデータ） (2020-11-13T23:48:25Z)
• On Predicting Personal Values of Social Media Users using Community-Specific Language Features and Personal Value Correlation [14.12186042953335]
  この研究は、シンガポールのユーザーの個人的価値を分析し、Facebookデータを用いて個人的価値を予測する効果的なモデルを開発することに焦点を当てている。 提案したスタックモデルには,基本モデルのタスク固有層とクロススティッチ層モデルからなる相関関係が組み込まれている。
  論文  参考訳（メタデータ） (2020-07-16T04:36:13Z)

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。