論文の概要: SocialVec: Social Entity Embeddings
- arxiv url: http://arxiv.org/abs/2111.03514v1
- Date: Fri, 5 Nov 2021 14:13:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-08 15:14:14.709904
- Title: SocialVec: Social Entity Embeddings
- Title(参考訳): SocialVec: ソーシャルエンティティの埋め込み
- Authors: Nir Lotan, Einat Minkov
- Abstract要約: 本稿では,ソーシャルワールドの知識をソーシャルネットワークから引き出すためのフレームワークであるSocialVecを紹介する。
Twitterネットワークのサンプルから、約20万の人気のアカウントのソーシャル埋め込みを学びました。
われわれはSocialVecの埋め込みを利用して、Twitterのニュースソースの政治的偏見を誇示している。
- 参考スコア(独自算出の注目度): 1.4010916616909745
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper introduces SocialVec, a general framework for eliciting social
world knowledge from social networks, and applies this framework to Twitter.
SocialVec learns low-dimensional embeddings of popular accounts, which
represent entities of general interest, based on their co-occurrences patterns
within the accounts followed by individual users, thus modeling entity
similarity in socio-demographic terms. Similar to word embeddings, which
facilitate tasks that involve text processing, we expect social entity
embeddings to benefit tasks of social flavor. We have learned social embeddings
for roughly 200,000 popular accounts from a sample of the Twitter network that
includes more than 1.3 million users and the accounts that they follow, and
evaluate the resulting embeddings on two different tasks. The first task
involves the automatic inference of personal traits of users from their social
media profiles. In another study, we exploit SocialVec embeddings for gauging
the political bias of news sources in Twitter. In both cases, we prove
SocialVec embeddings to be advantageous compared with existing entity embedding
schemes. We will make the SocialVec entity embeddings publicly available to
support further exploration of social world knowledge as reflected in Twitter.
- Abstract(参考訳): 本稿では,ソーシャル世界の知識をソーシャルネットワークから引き出す汎用フレームワークであるsocialvecを紹介し,このフレームワークをtwitterに適用する。
SocialVecは、アカウント内の共起パターンとそれに続く個々のユーザに基づいて、一般的な関心の実体を表す人気アカウントの低次元埋め込みを学習し、ソシオデミノグラフィー用語でエンティティの類似性をモデル化する。
テキスト処理に関わるタスクを容易にする単語埋め込みと同様に、ソーシャルエンティティ埋め込みは、ソーシャルフレーバーのタスクに役立つことを期待している。
我々は、約20万の人気アカウントのソーシャル埋め込みを、13万人以上のユーザーとフォローしているアカウントを含むTwitterネットワークのサンプルから学び、2つの異なるタスクに対する結果の埋め込みを評価する。
最初のタスクは、ソーシャルメディアのプロフィールからユーザーの個人的特徴を自動的に推測することである。
別の研究では、Twitterのニュースソースの政治的偏見を増幅するためにSocialVecの埋め込みを利用する。
どちらの場合でも、既存のエンティティ埋め込みスキームと比較してsocialvec組み込みが有利であることを証明します。
Twitterに反映されたソーシャルワールド知識のさらなる探索を支援するために、SocialVecエンティティを公開します。
関連論文リスト
- Social World Knowledge: Modeling and Applications [2.9417848476446364]
社会世界の知識は、人間や機械による効果的なコミュニケーションと情報処理の重要な要素である。
ソーシャルネットワークで発生する社会的文脈から低次元の実体埋め込みを抽出するフレームワークであるSocialVecを紹介する。
テキストセマンティクスを含む作業を容易にする単語埋め込みと同様に、学習されたソーシャルエンティティ埋め込みは、複数のソーシャルフレーバーのタスクに利益をもたらすことを期待する。
論文 参考訳(メタデータ) (2023-06-28T15:25:30Z) - Measuring Social Dimensions of Self-Presentation in Social Media
Biographies with an Identity-based Approach [18.189152163773468]
本研究は,Twitterバイオスで表現される意味の社会的次元を測定するための,アイデンティティに基づく3つの新しい手法を提案し,評価する。
これらのモデルは,1)どのアイデンティティの集合が1つの伝記の中で共起しやすいかを予測する上で,妥当なベースラインよりも優れていることを示す。
提案手法は, モデル出力を用いて, 自尊心, 宗教, 年齢, 性別がTwitter上でのURL共有とどのように関連しているかをよりよく理解するために, 計算社会科学における有用性を示す。
論文 参考訳(メタデータ) (2023-05-16T15:45:59Z) - Trust and Believe -- Should We? Evaluating the Trustworthiness of
Twitter Users [5.695742189917657]
ソーシャルメディア上のフェイクニュースは、個人と社会の両方に悪影響を及ぼす大きな問題である。
この作業において、私たちは、ソーシャルネットワークコミュニティに信頼を喚起するソリューションを提供したいと考えている。
本モデルでは,Twitter上で5万人の政治家の行動を分析し,評価されたユーザ毎に影響スコアを割り当てる。
論文 参考訳(メタデータ) (2022-10-27T06:57:19Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳(メタデータ) (2021-12-08T14:12:24Z) - SOK: Seeing and Believing: Evaluating the Trustworthiness of Twitter
Users [4.609388510200741]
現在、どのニュースやユーザーが信頼できるか、どれがそうでないかを自動で判断する方法はない。
本研究では、Twitter上で5万人の政治家の行動を分析するモデルを作成しました。
政治Twitterのユーザを、ランダムな森林、多層パーセプトロン、サポートベクターマシンを使って、信頼あるいは信頼できないと分類した。
論文 参考訳(メタデータ) (2021-07-16T17:39:32Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳(メタデータ) (2021-06-07T19:26:32Z) - Can You be More Social? Injecting Politeness and Positivity into
Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。
このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。
人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文 参考訳(メタデータ) (2020-12-29T08:22:48Z) - Social Chemistry 101: Learning to Reason about Social and Moral Norms [73.23298385380636]
我々は、人々の日常的な社会的規範と道徳的判断を研究するための新しい概念的形式主義である社会化学を提示する。
Social-Chem-101は大規模なコーパスで292Kのルールをカタログ化している。
モデルフレームワークであるNeural Norm Transformerは、Social-Chem-101を学習し、一般化し、これまで見つからなかった状況の推論に成功した。
論文 参考訳(メタデータ) (2020-11-01T20:16:45Z) - Privacy-Aware Recommender Systems Challenge on Twitter's Home Timeline [47.434392695347924]
ACM RecSysが主催するRecSys 2020 Challengeは、このデータセットを使用してTwitterと提携している。
本稿では,ユーザエンゲージメントを予測しようとする研究者や専門家が直面する課題について述べる。
論文 参考訳(メタデータ) (2020-04-28T23:54:33Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳(メタデータ) (2020-04-20T20:00:27Z) - TIES: Temporal Interaction Embeddings For Enhancing Social Media
Integrity At Facebook [9.023847175654602]
本稿では、ログな社会的相互作用を捉え、さらに適切な行動にフラグを立てるための新しい時間的相互作用埋め込みSモデルを提案する。
TIESは、Facebookスケールネットワークにおける教師付き、ディープラーニング、プロダクション準備ができているモデルである。
TIESの現実的な影響を示すために,誤報の拡散防止,偽アカウントの検出,広告支払いリスクの低減など,いくつかの応用を提示する。
論文 参考訳(メタデータ) (2020-02-18T22:56:40Z)
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。