論文の概要: Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management
- arxiv url: http://arxiv.org/abs/2111.06440v1
- Date: Thu, 11 Nov 2021 19:40:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-15 23:55:45.335120
- Title: Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management
- Title（参考訳）: ソーシャルメディアにおける信頼関係決定のための個人化多面信頼モデルとその誤情報管理の可能性
- Authors: Alexandre Parmentier, Robin Cohen, Xueguang Ma, Gaurav Sahu and
Queenie Chen
- Abstract要約: ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
- 参考スコア（独自算出の注目度）: 61.88858330222619
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we present an approach for predicting trust links between
peers in social media, one that is grounded in the artificial intelligence area
of multiagent trust modeling. In particular, we propose a data-driven
multi-faceted trust modeling which incorporates many distinct features for a
comprehensive analysis. We focus on demonstrating how clustering of similar
users enables a critical new functionality: supporting more personalized, and
thus more accurate predictions for users. Illustrated in a trust-aware item
recommendation task, we evaluate the proposed framework in the context of a
large Yelp dataset. We then discuss how improving the detection of trusted
relationships in social media can assist in supporting online users in their
battle against the spread of misinformation and rumours, within a social
networking environment which has recently exploded in popularity. We conclude
with a reflection on a particularly vulnerable user base, older adults, in
order to illustrate the value of reasoning about groups of users, looking to
some future directions for integrating known preferences with insights gained
through data analysis.
- Abstract（参考訳）: 本稿では,多エージェント信頼モデリングの人工知能分野を基盤とした,ソーシャルメディアにおける仲間間の信頼関係の予測手法を提案する。
特に,様々な特徴を包括的分析に取り入れた,データ駆動型多面信頼モデリングを提案する。
私たちは、類似ユーザによるクラスタリングが、よりパーソナライズされ、より正確なユーザ予測をサポートする、重要な新機能を実現する方法を示すことに重点を置いています。
信頼を意識した項目レコメンデーションタスクで示すことで,yelpの大規模データセットのコンテキストで提案フレームワークを評価する。
次に,ソーシャルメディアにおける信頼関係の検出の改善が,最近人気が高まっているソーシャルネットワーク環境において,誤情報や噂の拡散との戦いにおけるオンラインユーザ支援にどのように役立つかについて議論する。
我々は、特に脆弱な高齢者のユーザーベースを考察し、データ分析を通じて得られた知見と既知の嗜好を統合するための今後の方向性を探るため、ユーザーグループに対する推論の価値を説明している。
関連論文リスト
- Do We Trust What They Say or What They Do? A Multimodal User Embedding Provides Personalized Explanations [35.77028281332307]
ソーシャルネットワークのためのコントリビューション対応マルチモーダルユーザ埋め込み(CAMUE)を提案する。
提案手法は,信頼できない情報の影響を自動的に軽減し,パーソナライズ可能な予測を提供する。
私たちの仕事は、より説明しやすく、信頼性があり、効果的なソーシャルメディアユーザー埋め込みの道を開く。
論文 参考訳（メタデータ） (2024-09-04T02:17:32Z) - JAB: Joint Adversarial Prompting and Belief Augmentation [81.39548637776365]
我々は,ブラックボックスターゲットモデルの強靭性を,敵対的プロンプトと信念の増大を通じて探索し,改善する共同枠組みを導入する。
このフレームワークは、自動的なレッド・チームリング手法を用いてターゲットモデルを探索し、信念強化器を用いて目標モデルの命令を生成し、敵のプローブに対するロバスト性を向上させる。
論文 参考訳（メタデータ） (2023-11-16T00:35:54Z) - 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) - KGTrust: Evaluating Trustworthiness of SIoT via Knowledge Enhanced Graph
Neural Networks [63.531790269009704]
ソーシャル・インターネット・オブ・モノ(Social Internet of Things, SIoT)は、スマート・オブジェクト(物)にソーシャルネットワークの概念を注入する、有望で新興のパラダイムである。
リスクと不確実性のため、解決すべき重要かつ緊急の問題は、SIoT内で信頼性の高い関係、すなわち信頼評価を確立することである。
本稿では,SIoTにおける信頼度向上のための知識強化グラフニューラルネットワーク(KGTrust)を提案する。
論文 参考訳（メタデータ） (2023-02-22T14:24:45Z) - Cross-Network Social User Embedding with Hybrid Differential Privacy
Guarantees [81.6471440778355]
プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。
特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。
ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
論文 参考訳（メタデータ） (2022-09-04T06:22:37Z) - In the Eye of the Beholder: Robust Prediction with Causal User Modeling [27.294341513692164]
データ分布の変化に頑健な関係予測のための学習フレームワークを提案する。
私たちのキーとなる観察は、ユーザがどのように環境を慎重に知覚するかを考慮し、堅牢性を得ることができることです。
論文 参考訳（メタデータ） (2022-06-01T11:33:57Z) - Exploring the Trade-off between Plausibility, Change Intensity and
Adversarial Power in Counterfactual Explanations using Multi-objective
Optimization [73.89239820192894]
自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。
本稿では, 対実例生成のための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2022-05-20T15:02:53Z) - Multi-faceted Trust-based Collaborative Filtering [4.640835690336653]
本稿では,ソーシャルリンクによって表現されるローカル信頼と,ソーシャルネットワークによって提供されるさまざまなグローバル信頼証拠を統合するための多面的信頼モデルを提案する。
Yelpは、ユーザ間の汎用的な友人関係を公開するが、異なるタイプの信頼フィードバックを提供する。
実験の結果、Yelpのデータセットでは、私たちのモデルはU2UCFと最先端の信頼ベースのレコメンデータの両方より優れています。
論文 参考訳（メタデータ） (2020-03-25T15:27:06Z) - Towards Time-Aware Context-Aware Deep Trust Prediction in Online Social
Networks [0.4061135251278187]
信頼は、情報ソースが信頼できるか、誰と共有すべきか、誰から情報を受け入れるべきかを決定する尺度として定義できる。
ソーシャルスパマー検出、フェイクニュース検出、リツイート行動検出、レコメンデーションシステムなど、オンラインソーシャルネットワーク(OSN)への信頼のためのいくつかのアプリケーションがある。
信頼予測は、現在接続されていない2人のユーザー間の新しい信頼関係を予測するプロセスである。
論文 参考訳（メタデータ） (2020-03-21T01:00:02Z) - An Approach for Time-aware Domain-based Social Influence Prediction [4.753874889216745]
本稿では,ユーザの信頼性を計測し,予測するために,意味分析と機械学習モジュールを取り入れたアプローチを提案する。
本実験の評価は,高度に信頼性の高いドメインベースユーザを予測するために,組み込まれた機械学習技術の適用性を検証する。
論文 参考訳（メタデータ） (2020-01-19T10:39:37Z)
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。