論文の概要: VigDet: Knowledge Informed Neural Temporal Point Process for
Coordination Detection on Social Media
- arxiv url: http://arxiv.org/abs/2110.15454v1
- Date: Thu, 28 Oct 2021 22:19:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-01 14:17:28.955315
- Title: VigDet: Knowledge Informed Neural Temporal Point Process for
Coordination Detection on Social Media
- Title（参考訳）: VigDet:ソーシャルメディア上でのコーディネーション検出のための知識インフォームドニューラルテンポラルポイントプロセス
- Authors: Yizhou Zhang, Karishma Sharma, Yan Liu
- Abstract要約: ソーシャルメディア上の調整されたアカウントは 偽情報キャンペーンによって 世論に影響を与え 社会的成果を操るために使われます
本稿では、時間的論理や事前定義されたフィルタリング関数といった事前知識を用いて、ニューラル時間的点過程を組み込んだ協調検出フレームワークを提案する。
実世界のデータセットを用いた実験結果から, 教師なしと半教師なしの両方の設定におけるSOTAモデルと比較して, 提案手法の有効性が示された。
- 参考スコア（独自算出の注目度）: 8.181808709549227
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent years have witnessed an increasing use of coordinated accounts on
social media, operated by misinformation campaigns to influence public opinion
and manipulate social outcomes. Consequently, there is an urgent need to
develop an effective methodology for coordinated group detection to combat the
misinformation on social media. However, existing works suffer from various
drawbacks, such as, either limited performance due to extreme reliance on
predefined signatures of coordination, or instead an inability to address the
natural sparsity of account activities on social media with useful prior domain
knowledge. Therefore, in this paper, we propose a coordination detection
framework incorporating neural temporal point process with prior knowledge such
as temporal logic or pre-defined filtering functions. Specifically, when
modeling the observed data from social media with neural temporal point
process, we jointly learn a Gibbs-like distribution of group assignment based
on how consistent an assignment is to (1) the account embedding space and (2)
the prior knowledge. To address the challenge that the distribution is hard to
be efficiently computed and sampled from, we design a theoretically guaranteed
variational inference approach to learn a mean-field approximation for it.
Experimental results on a real-world dataset show the effectiveness of our
proposed method compared to the SOTA model in both unsupervised and
semi-supervised settings. We further apply our model on a COVID-19 Vaccine
Tweets dataset. The detection result suggests the presence of suspicious
coordinated efforts on spreading misinformation about COVID-19 vaccines.
- Abstract（参考訳）: 近年、ソーシャルメディア上でのコーディネートアカウントの利用が増加し、世論に影響を及ぼし社会的成果を操作する偽情報キャンペーンによって運営されている。
その結果,ソーシャルメディア上の誤情報に対処する効果的なグループ検出手法を開発する必要がある。
しかし、既存の作品は、調整の事前定義された署名に極度の依存による限られたパフォーマンス、あるいは、有用な事前ドメイン知識を持つソーシャルメディア上の会計活動の自然な分散に対処できないなど、様々な欠点に悩まされている。
そこで,本稿では,時間論理や事前定義されたフィルタリング関数といった事前知識を用いて,ニューラル時間点過程を組み込んだ協調検出フレームワークを提案する。
具体的には,ソーシャル・メディアから得られた観測データをニューラル・テンポラリ・ポイント・プロセスでモデル化する際に,(1)アカウント埋め込み空間と(2)事前知識との整合性に基づいて,グループ割り当てのgibbs的分布を協調的に学習する。
分布を効率よく計算し、サンプル化することの難しさに対処するために、平均場近似を学習するための理論的に保証された変分推論アプローチを設計する。
実世界のデータセットにおける実験結果は,教師なし設定と半教師なし設定の両方において,提案手法の有効性を示す。
当社のモデルは、COVID-19 Vaccine Tweetsデータセットにも適用しています。
検出結果は、新型コロナウイルスワクチンに関する誤った情報を拡散する不審な協力的な取り組みの存在を示唆している。
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) - Adaptive Sequential Surveillance with Network and Temporal Dependence [1.7205106391379026]
戦略的なテストアロケーションは、パンデミックと既存のパンデミックの両方のコントロールにおいて重要な役割を果たしている。
感染症の監視は、ユニークな統計上の課題を提示する。
適応型シーケンシャル監視のためのオンライン・スーパーラーナーを提案する。
論文 参考訳（メタデータ） (2022-12-05T17:04:17Z) - Adaptive Pseudo-Siamese Policy Network for Temporal Knowledge Prediction [37.36680021388575]
強化学習に基づく時間的知識予測のための適応型擬似スキームポリシーネットワークを提案する。
サブ政治ネットワークIでは、エージェントは、エンティティ-リレーションパスに沿ってクエリの回答を検索し、静的な進化パターンをキャプチャする。
サブ政治ネットワークIIでは、エージェントは、未知のエンティティを扱うために、関係時間パスに沿ってクエリの回答を検索する。
論文 参考訳（メタデータ） (2022-04-26T02:17:39Z) - Learning from Heterogeneous Data Based on Social Interactions over
Graphs [58.34060409467834]
本研究では,個別のエージェントが異なる次元のストリーミング特徴を観察しながら分類問題の解決を目指す分散アーキテクチャを提案する。
私たちはそれを示します。
戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。
私たちはそれを示します。
戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。
論文 参考訳（メタデータ） (2021-12-17T12:47:18Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - A General Method to Find Highly Coordinating Communities in Social Media
through Inferred Interaction Links [13.264683014487376]
政治的誤報、占い、組織化されたトロリングは、オンラインの悪意ある行動であり、現実世界に重大な影響を及ぼす。
本稿では,アカウントのインタラクションとメタデータのみに依存する新しい時間的ウィンドウ手法を提案する。
さまざまな行動に関わるアカウントのグループを検出し、それを協調して、異なる目標ベースの戦略を実行する。
論文 参考訳（メタデータ） (2021-03-05T00:48:23Z) - TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain
Gait Recognition [77.77786072373942]
本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。
我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。
提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
論文 参考訳（メタデータ） (2021-02-09T03:07:07Z) - Domain Adaptative Causality Encoder [52.779274858332656]
我々は,適応因果同定と局所化の課題に対処するために,依存木の特徴と敵対学習を活用する。
我々は、テキストにあらゆる種類の因果関係を統合する新しい因果関係データセット、MedCausを提案する。
論文 参考訳（メタデータ） (2020-11-27T04:14:55Z) - Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。
我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。
このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文 参考訳（メタデータ） (2020-10-15T16:39:26Z) - Independent Component Analysis for Trustworthy Cyberspace during High
Impact Events: An Application to Covid-19 [4.629100947762816]
新型コロナウイルス(COVID-19)の感染拡大など、ソーシャルメディアは重要なコミュニケーションチャンネルとなっている。
ソーシャルメディアにおける誤報が急速に拡散し、社会不安を生じさせるため、そのような出来事における誤報の拡散は重要なデータ課題である。
本稿では,ICAモデルに基づくデータ駆動型ソリューションを提案する。
論文 参考訳（メタデータ） (2020-06-01T21:48:22Z) - Domain-Guided Task Decomposition with Self-Training for Detecting
Personal Events in Social Media [11.638298634523945]
ソーシャルメディアをマイニングすることで、個人的な経験や出来事を検知したり、語彙の空間性に悩まされたり、トレーニングデータに乏しかったり、発明的な辞書を作ったりする。
ラベル付きデータを広範囲に作成することの負担を軽減するため、我々は2つのステップでこれらのタスクを実行することを提案する。
鍵概念を識別してタスクをドメイン固有のサブタスクに分解し、人間のドメイン理解を活用する。 2. ラベル付きトレーニングデータの要求を減らし、協調学習を用いて各鍵概念に対する学習者の結果を組み合わせる。
論文 参考訳（メタデータ） (2020-04-21T14:50:31Z)
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。