論文の概要: POLE: Polarized Embedding for Signed Networks

• arxiv url: http://arxiv.org/abs/2110.09899v2
• Date: Wed, 20 Oct 2021 18:20:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-24 11:19:25.638031
• Title: POLE: Polarized Embedding for Signed Networks
• Title（参考訳）: POLE: 署名ネットワークのための偏極埋め込み
• Authors: Zexi Huang, Arlei Silva, Ambuj Singh
• Abstract要約: 署名ネットワークにおける機械学習の最近の進歩は、ソーシャルメディアの分極を減らすことを目的として、小さな介入を導くという約束を掲げている。 既存のモデルは、ユーザ間の競合(あるいは負のリンク)を予測するのに特に効果がない。 これはリンクサインとネットワーク構造の間に強い相関関係があるためである。 我々は、位相的類似点と符号的類似点の両方を同時にキャプチャする偏極グラフの符号付き埋め込み法であるPOLEを提案する。
• 参考スコア（独自算出の注目度）: 2.6546685109604304
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: From the 2016 U.S. presidential election to the 2021 Capitol riots to the spread of misinformation related to COVID-19, many have blamed social media for today's deeply divided society. Recent advances in machine learning for signed networks hold the promise to guide small interventions with the goal of reducing polarization in social media. However, existing models are especially ineffective in predicting conflicts (or negative links) among users. This is due to a strong correlation between link signs and the network structure, where negative links between polarized communities are too sparse to be predicted even by state-of-the-art approaches. To address this problem, we first design a partition-agnostic polarization measure for signed graphs based on the signed random-walk and show that many real-world graphs are highly polarized. Then, we propose POLE (POLarized Embedding for signed networks), a signed embedding method for polarized graphs that captures both topological and signed similarities jointly via signed autocovariance. Through extensive experiments, we show that POLE significantly outperforms state-of-the-art methods in signed link prediction, particularly for negative links with gains of up to one order of magnitude.
• Abstract（参考訳）: 2016年のアメリカ合衆国大統領選挙から2021年の議事堂暴動、新型コロナウイルスに関する誤報の拡散に至るまで、多くの人々がソーシャルメディアを、今日の大きく分裂した社会に非難してきた。 署名ネットワークにおける機械学習の最近の進歩は、ソーシャルメディアの分極を減らすことを目的として、小さな介入を導くという約束を掲げている。 しかし、既存のモデルは特にユーザ間の衝突(あるいはネガティブリンク)を予測するのに役に立たない。 これはリンクサインとネットワーク構造の間に強い相関関係があり、偏極化されたコミュニティ間の負のリンクは最先端のアプローチでも予測できないためである。 この問題に対処するために,まず,符号付きランダムウォークに基づく符号付きグラフの分割非依存分極測度を設計し,多くの実世界のグラフが高度に分極されていることを示す。 そこで我々は,符号付き自己共分散による位相的類似性と符号付き類似性の両方を同時にキャプチャする偏波グラフの符号付き埋め込み法POLEを提案する。 広範な実験を通して、POLEは符号付きリンク予測において、特に最大1桁の利得を持つ負のリンクに対して、最先端の手法よりも著しく優れていることを示す。

関連論文リスト

• Link Polarity Prediction from Sparse and Noisy Labels via Multiscale Social Balance [8.635930195821263]
  署名付きグラフニューラルネットワーク(SGNN)は,最近,署名付きネットワーク上での学習タスクに有効なツールとして注目されている。 これらのタスクの1つは、ネットワーク構造やその他の利用可能な極性から、この情報が欠落しているリンクの極性を予測することである。 本研究では,リンクの極性予測を改善するために,新しい社会バランスの概念を基盤として,半教師付き学習フレームワークを考案する。
  論文  参考訳（メタデータ） (2024-07-22T14:02:28Z)
• Signed graphs in data sciences via communicability geometry [55.2480439325792]
  符号付きグラフに対する可換幾何学の概念を提案し、この空間における可換距離や角度などの測度がユークリッド的かつ球面的であることを証明した。 次に、これらのメトリクスを適用して、署名付きグラフのデータ解析におけるいくつかの問題を統一的に解決する。
  論文  参考訳（メタデータ） (2024-03-12T10:32:35Z)
• Graph Out-of-Distribution Generalization via Causal Intervention [69.70137479660113]
  本稿では,ノードレベルの分散シフトの下で頑健なグラフニューラルネットワーク(GNN)をトレーニングするための,概念的に単純だが原則化されたアプローチを提案する。 本手法は,環境推定器と熟練GNN予測器を協調する因果推論に基づく新たな学習目標を提案する。 本モデルでは,様々な分散シフトによる一般化を効果的に向上し,グラフOOD一般化ベンチマーク上での最先端の精度を最大27.4%向上させることができる。
  論文  参考訳（メタデータ） (2024-02-18T07:49:22Z)
• Characterizing Polarization in Social Networks using the Signed Relational Latent Distance Model [0.0]
  ソーシャルネットワークにおける主要な関心事は、「us-versus-them」という考え方を促進する分極とフィルターバブルの出現である。 我々は,Skellam分布を符号付きネットワークの確率関数として初めて利用した潜在符号付きリレーショナル遅延dIstance Model (SLIM)を提案する。 本モデルでは, 友情や敵意をよく予測する低次元的特徴を抽出し, 極端位置で定義された解釈可能な可視化を提供する。
  論文  参考訳（メタデータ） (2023-01-23T16:01:26Z)
• SigGAN : Adversarial Model for Learning Signed Relationships in Networks [2.0277446818410994]
  本稿では,署名ネットワークSigGANのためのGANベースモデルを提案する。 負のエッジからの情報の統合、正のエッジ数と負のエッジ数における高い不均衡、構造バランス理論などの符号付きネットワークの要件を考察する。
  論文  参考訳（メタデータ） (2022-01-17T14:53:30Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)
• 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)
• Learning to Extrapolate Knowledge: Transductive Few-shot Out-of-Graph Link Prediction [69.1473775184952]
  数発のアウトオブグラフリンク予測という現実的な問題を導入する。 我々は,新しいメタ学習フレームワークによってこの問題に対処する。 我々は,知識グラフの補完と薬物と薬物の相互作用予測のために,複数のベンチマークデータセット上でモデルを検証した。
  論文  参考訳（メタデータ） (2020-06-11T17:42:46Z)
• Searching for polarization in signed graphs: a local spectral approach [16.384728228938574]
  本稿では、符号付きグラフにおける局所偏極群を局所バイアス固有確率として求める問題を定式化する。 局所バイアスベクトルは符号付きグラフ上のチェーガー定数の局所的な類似点に関して近似保証付きコミュニティを見つけるのに利用できることを示す。
  論文  参考訳（メタデータ） (2020-01-26T06:30:16Z)
• Social Science Guided Feature Engineering: A Novel Approach to Signed Link Analysis [58.892336054718825]
  リンク分析に関する既存の研究のほとんどは、符号なしのソーシャルネットワークに焦点を当てている。 負のリンクの存在は、符号付きネットワークの特性と原則が符号なしネットワークと異なるかどうかを調査することに関心を持つ。 近年の研究では、符号付きネットワークの特性が符号なしネットワークの特性と大きく異なることが示唆されている。
  論文  参考訳（メタデータ） (2020-01-04T00:26:05Z)

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。