論文の概要: Contextual Unsupervised Outlier Detection in Sequences
- arxiv url: http://arxiv.org/abs/2111.03808v1
- Date: Sat, 6 Nov 2021 05:44:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-09 16:01:46.442966
- Title: Contextual Unsupervised Outlier Detection in Sequences
- Title(参考訳): シーケンスにおける文脈非教師なし異常検出
- Authors: Mohamed A. Zahran, Leonardo Teixeira, Vinayak Rao, Bruno Ribeiro
- Abstract要約: 本研究では,トラジェクトリ(シーケンス)外乱検出のための教師なし学習フレームワークを提案する。
last.fm と msnbc.com のユーザアクションに基づく実データと模擬データセットの収集について,本手法の評価を行った。
Facebookの友達の投稿を他のタイプのユーザーよりも大幅にシェアする傾向にあり、Pinterest上での共有行動にFacebookの友情が潜在的に影響していることを示している。
- 参考スコア(独自算出の注目度): 6.498751019721444
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work proposes an unsupervised learning framework for trajectory
(sequence) outlier detection that combines ranking tests with user sequence
models. The overall framework identifies sequence outliers at a desired false
positive rate (FPR), in an otherwise parameter-free manner. We evaluate our
methodology on a collection of real and simulated datasets based on user
actions at the websites last.fm and msnbc.com, where we know ground truth, and
demonstrate improved accuracy over existing approaches. We also apply our
approach to a large real-world dataset of Pinterest and Facebook users, where
we find that users tend to re-share Pinterest posts of Facebook friends
significantly more than other types of users, pointing to a potential influence
of Facebook friendship on sharing behavior on Pinterest.
- Abstract(参考訳): 本研究は,評価テストとユーザシーケンスモデルを組み合わせた軌道異常検出のための教師なし学習フレームワークを提案する。
全体的なフレームワークは、所望の偽陽性率(fpr)でのシーケンス異常値をパラメータフリーな方法で識別する。
我々は,本手法を,Webサイトにおけるユーザ行動に基づく実データとシミュレーションデータセットのコレクション上で評価し,既存のアプローチよりも精度が向上したことを示す。
またわれわれのアプローチは、PinterestとFacebookのユーザーからなる大規模な現実世界のデータセットにも適用しており、ユーザーはPinterestの投稿を他のタイプのユーザーよりも大幅にシェアする傾向にあり、Pinterest上での行動共有にFacebookの友情が潜在的に影響していることを示している。
関連論文リスト
- Unbiased Learning to Rank with Query-Level Click Propensity Estimation: Beyond Pointwise Observation and Relevance [74.43264459255121]
現実のシナリオでは、ユーザーは複数の関連するオプションを調べた後、1つまたは2つの結果だけをクリックします。
本稿では,ユーザが異なる検索結果リストをクリックする確率を捉えるために,クエリレベルのクリック確率モデルを提案する。
本手法では,2次元逆重み付け機構を導入し,相対飽和度と位置偏差に対処する。
論文 参考訳(メタデータ) (2025-02-17T03:55:51Z) - Combine and Conquer: A Meta-Analysis on Data Shift and Out-of-Distribution Detection [30.377446496559635]
本稿では,アウト・オブ・ディストリビューション(OOD)検出スコアをシームレスに組み合わせるための普遍的アプローチを提案する。
我々のフレームワークは、検出スコアにおける将来の発展にとって容易であり、この文脈で意思決定境界を結合する最初の手段である。
論文 参考訳(メタデータ) (2024-06-23T08:16:44Z) - Federated Face Forgery Detection Learning with Personalized Representation [63.90408023506508]
ディープジェネレータ技術は、区別がつかない高品質のフェイクビデオを制作し、深刻な社会的脅威をもたらす可能性がある。
従来の偽造検出手法は、データを直接集中的に訓練する。
本稿では,個人化表現を用いた新しいフェデレーション顔偽造検出学習を提案する。
論文 参考訳(メタデータ) (2024-06-17T02:20:30Z) - An Empirical Evaluation of Federated Contextual Bandit Algorithms [27.275089644378376]
フェデレートされた学習は、ユーザが関心のあるアプリケーションと対話するときに生成される暗黙の信号を使って行うことができる。
我々は,フェデレートされた設定のための集中的な設定から,顕著な文脈的帯域幅アルゴリズムの変種を開発する。
本実験は, 探索・探索のトレードオフのバランスをとる上で, シンプルで一般的なソフトマックスの驚くべき有効性を明らかにした。
論文 参考訳(メタデータ) (2023-03-17T19:22:30Z) - Federated Privacy-preserving Collaborative Filtering for On-Device Next
App Prediction [52.16923290335873]
本稿では,モバイルデバイス使用時の次のアプリの起動を予測するための新しいSeqMFモデルを提案する。
古典行列分解モデルの構造を修正し、学習手順を逐次学習に更新する。
提案手法のもうひとつの要素は,ユーザからリモートサーバへの送信データの保護を保証する,新たなプライバシメカニズムである。
論文 参考訳(メタデータ) (2023-02-05T10:29:57Z) - Ranking-based Group Identification via Factorized Attention on Social
Tripartite Graph [68.08590487960475]
グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。
我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。
データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
論文 参考訳(メタデータ) (2022-11-02T01:42:20Z) - DIGMN: Dynamic Intent Guided Meta Network for Differentiated User
Engagement Forecasting in Online Professional Social Platforms [32.70471436337077]
ユーザエンゲージメントパターンの違いの大きな理由は、ユーザが異なる意図を持っていることだ。
本稿では動的ガイドメタネットワーク(DIGMN)を提案する。
我々の手法は最先端のベースラインを大幅に上回る。
論文 参考訳(メタデータ) (2022-10-22T09:57:27Z) - Masked Transformer for Neighhourhood-aware Click-Through Rate Prediction [74.52904110197004]
本稿では,近隣相互作用に基づくCTR予測を提案し,そのタスクを異種情報ネットワーク(HIN)設定に組み込む。
周辺地域の表現を高めるために,ノード間のトポロジカルな相互作用を4種類検討する。
本研究では,2つの実世界のデータセットに関する総合的な実験を行い,提案手法が最先端のCTRモデルを大幅に上回ることを示す。
論文 参考訳(メタデータ) (2022-01-25T12:44:23Z) - TEA: A Sequential Recommendation Framework via Temporally Evolving
Aggregations [12.626079984394766]
動的ユーザ・イテム不均質グラフに基づく新しいシーケンシャル・レコメンデーション・フレームワークを提案する。
条件付き乱数場を利用して不均一なグラフとユーザ動作を集約し,確率推定を行う。
提案したフレームワークのスケーラブルで柔軟な実装を提供しています。
論文 参考訳(メタデータ) (2021-11-14T15:54:23Z) - Unveiling Real-Life Effects of Online Photo Sharing [7.358732518242146]
インパクトのある実生活状況におけるデータ共有の潜在的な効果を明らかにする新しいアプローチを提案します。
このアプローチは,(1)クラウドソーシングによって得られた状況影響評価のセット,(2)ユーザの写真を分析するために使用されるオブジェクト検出器のセット,(3)500人の視覚的ユーザプロファイルからなる真実のデータセットの3つの要素に依存している。
その結果、LERVUPは2つのランキングの相関が強いため有効であることが示唆された。
論文 参考訳(メタデータ) (2020-12-24T09:52:27Z) - Disentangled Graph Collaborative Filtering [100.26835145396782]
Disentangled Graph Collaborative Filtering (DGCF)は、インタラクションデータからユーザとアイテムの情報表現を学ぶための新しいモデルである。
ユーザ・イテムのインタラクション毎に意図を超越した分布をモデル化することにより、インテント・アウェアなインタラクショングラフと表現を反復的に洗練する。
DGCFはNGCF、DisenGCN、MacridVAEといった最先端モデルよりも大幅に改善されている。
論文 参考訳(メタデータ) (2020-07-03T15:37:25Z)
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。