論文の概要: Designing weighted and multiplex networks for deep learning user
geolocation in Twitter
- arxiv url: http://arxiv.org/abs/2112.06999v1
- Date: Mon, 13 Dec 2021 20:24:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-16 07:14:02.903028
- Title: Designing weighted and multiplex networks for deep learning user
geolocation in Twitter
- Title(参考訳): twitterにおける深層学習のための重み付きマルチプレックスネットワークの設計
- Authors: Federico M. Funes, Jos\'e Ignacio Alvarez-Hamelin, Mariano G. Beir\'o
- Abstract要約: 本研究は,重み付き多グラフの文献と最先端のディープラーニング技術を組み合わせた新しい手法を設計,評価することによって,この分野の研究に寄与する。
本研究は,これらの手法の性能を評価し,公開されているTwitter-USデータセットのベースラインモデルと比較する。
また、ラテンアメリカでの大規模なTwitterキャプチャに基づいて、新しいデータセットも公開しています。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Predicting the geographical location of users of social media like Twitter
has found several applications in health surveillance, emergency monitoring,
content personalization, and social studies in general. In this work we
contribute to the research in this area by designing and evaluating new methods
based on the literature of weighted multigraphs combined with state-of-the-art
deep learning techniques. The explored methods depart from a similar underlying
structure (that of an extended mention and/or follower network) but use
different information processing strategies, e.g., information diffusion
through transductive and inductive algorithms -- RGCNs and GraphSAGE,
respectively -- and node embeddings with Node2vec+. These graphs are then
combined with attention mechanisms to incorporate the users' text view into the
models. We assess the performance of each of these methods and compare them to
baseline models in the publicly available Twitter-US dataset; we also make a
new dataset available based on a large Twitter capture in Latin America.
Finally, our work discusses the limitations and validity of the comparisons
among methods in the context of different label definitions and metrics.
- Abstract(参考訳): Twitterのようなソーシャルメディアのユーザーの地理的位置を予測することで、健康監視、緊急監視、コンテンツパーソナライゼーション、社会研究全般にいくつかの応用が見つかった。
本研究では,重み付き多グラフの文献と最先端のディープラーニング技術を組み合わせた新しい手法を設計・評価することで,この分野の研究に貢献する。
探索された手法は、類似の構造(拡張参照とフォロワネットワーク)から逸脱しているが、トランスダクティブアルゴリズムとインダクティブアルゴリズム(それぞれrscnsとgraphsage)による情報拡散や、node2vec+によるノード埋め込みなど、異なる情報処理戦略を使用している。
これらのグラフは、ユーザのテキストビューをモデルに組み込むための注意メカニズムと組み合わせられる。
我々は,これらの手法の性能を評価し,公開可能なtwitter-usデータセットのベースラインモデルと比較する。
最後に、異なるラベル定義とメトリクスの文脈におけるメソッド間の比較の限界と妥当性について論じる。
関連論文リスト
- Pretraining Language Models with Text-Attributed Heterogeneous Graphs [28.579509154284448]
テキスト分散不均質グラフ(TAHG)におけるトポロジ的および異種情報を明確に考察する言語モデル(LM)のための新しい事前学習フレームワークを提案する。
本稿では、LMと補助異種グラフニューラルネットワークを協調最適化することにより、コンテキストグラフに関わるノードを予測するトポロジ対応事前学習タスクを提案する。
各種ドメインの3つのデータセット上でリンク予測とノード分類を行う。
論文 参考訳(メタデータ) (2023-10-19T08:41:21Z) - Comparative Study of Sentiment Analysis for Multi-Sourced Social Media
Platforms [0.0]
本稿では,レキシコンベース,機械学習,ディープラーニングの手法を用いた比較分析を行う。
私たちが使ったデータセットは、TwitterやRedditなど、さまざまなソーシャルネットワークサイトのコメントセクションからのマルチソースデータセットでした。
論文 参考訳(メタデータ) (2022-12-09T06:33:49Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳(メタデータ) (2022-09-28T18:51:59Z) - Towards Interpretable Deep Metric Learning with Structural Matching [86.16700459215383]
より透過的な埋め込み学習のための深層解釈可能なメトリック学習(DIML)法を提案する。
本手法は,既製のバックボーンネットワークやメトリック学習手法に適用可能な,モデルに依存しない手法である。
我々は,CUB200-2011,Cars196,Stanford Online Productsの3つの大規模メトリクス学習ベンチマークで評価を行った。
論文 参考訳(メタデータ) (2021-08-12T17:59:09Z) - Self-Supervised Learning of Graph Neural Networks: A Unified Review [50.71341657322391]
ラベルなしサンプルを多用する新たなパラダイムとして,自己教師型学習が登場している。
SSLを用いたグラフニューラルネットワーク(GNNs)のトレーニング方法の統一レビューを提供します。
gnnに対するssl手法の処理は,様々な手法の類似性と相違に光を当て,新しい手法やアルゴリズムの開発段階を定めている。
論文 参考訳(メタデータ) (2021-02-22T03:43:45Z) - Geography-Aware Self-Supervised Learning [79.4009241781968]
異なる特徴により、標準ベンチマークにおけるコントラスト学習と教師あり学習の間には、非自明なギャップが持続していることが示される。
本稿では,リモートセンシングデータの空間的整合性を利用した新しいトレーニング手法を提案する。
提案手法は,画像分類,オブジェクト検出,セマンティックセグメンテーションにおけるコントラスト学習と教師あり学習のギャップを埋めるものである。
論文 参考訳(メタデータ) (2020-11-19T17:29:13Z) - A Survey of Embedding Space Alignment Methods for Language and Knowledge
Graphs [77.34726150561087]
単語,文,知識グラフの埋め込みアルゴリズムに関する現在の研究状況について調査する。
本稿では、関連するアライメント手法の分類と、この研究分野で使用されるベンチマークデータセットについて論じる。
論文 参考訳(メタデータ) (2020-10-26T16:08:13Z) - Region Comparison Network for Interpretable Few-shot Image
Classification [97.97902360117368]
新しいクラスのモデルをトレーニングするために、ラベル付きサンプルの限られた数だけを効果的に活用するための画像分類が提案されている。
本研究では,領域比較ネットワーク (RCN) と呼ばれる距離学習に基づく手法を提案する。
また,タスクのレベルからカテゴリへの解釈可能性の一般化も提案する。
論文 参考訳(メタデータ) (2020-09-08T07:29:05Z) - CommuNety: A Deep Learning System for the Prediction of Cohesive Social
Communities [14.839117147209603]
画像を用いた結束型ソーシャルネットワーク予測のための深層学習システムCommuNetyを提案する。
提案したディープラーニングモデルは階層型CNNアーキテクチャで構成され,各結合ネットワークに関連する記述的特徴を学習する。
また、画像中の人物の存在を定量化するための新しい顔共起周波数アルゴリズムと、予測されたソーシャルネットワークにおける個人間の関係の強さを分析する新しい写真ランキング手法を提案する。
論文 参考訳(メタデータ) (2020-07-29T11:03:22Z) - Stance Detection in Web and Social Media: A Comparative Study [3.937145867005019]
オンラインフォーラムやソーシャルメディアプラットフォームは、異なる人々が異なる姿勢をとるさまざまな極性に関するトピックを議論するために、ますます利用されています。
テキストからの自動姿勢検出のためのいくつかの手法が文献で提案されている。
我々の知る限りでは、それらとその比較パフォーマンスについて、体系的な調査は行われていない。
論文 参考訳(メタデータ) (2020-07-12T12:39:35Z) - Convolutional Neural Networks for Sentiment Analysis in Persian Social
Media [6.51882364384472]
畳み込みニューラルネットワーク(CNN)を用いたペルシア語テキストの感情分析手法を提案する。
本研究では,Curve 測定値を用いた3種類のペルシア語ソーシャルメディアテキストのデータセットの評価を行った。
論文 参考訳(メタデータ) (2020-02-14T19:52:39Z)
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。