論文の概要: Twitter Referral Behaviours on News Consumption with Ensemble Clustering
of Click-Stream Data in Turkish Media
- arxiv url: http://arxiv.org/abs/2202.02056v1
- Date: Fri, 4 Feb 2022 09:57:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-07 16:06:25.153406
- Title: Twitter Referral Behaviours on News Consumption with Ensemble Clustering
of Click-Stream Data in Turkish Media
- Title（参考訳）: トルコメディアにおけるクリックストリームデータのアンサンブルクラスタリングによるニュース消費に関するtwitterレファレンス行動
- Authors: Didem Makaroglu, Altan Cakir, Behcet Ugur Toreyin
- Abstract要約: 本研究は,Twitter のレファレンスに追随するニュース消費パターンを識別するために,組織ウェブサイトにおける読者のクリック活動について調査する。
調査は、ログデータをニュースコンテンツとリンクして洞察を深めることで、幅広い視点に展開されている。
- 参考スコア（独自算出の注目度）: 2.9005223064604078
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Click-stream data, which comes with a massive volume generated by the human
activities on the websites, has become a prominent feature to identify readers'
characteristics by the newsrooms after the digitization of the news outlets. It
is essential to have elastic architectures to process the streaming data,
particularly for unprecedented traffic, enabling conducting more comprehensive
analyses such as recommending mostly related articles to the readers. Although
the nature of click-stream data has a similar logic within the websites, it has
inherent limitations to recognize human behaviors when looking from a broad
perspective, which brings the need of limiting the problem in niche areas. This
study investigates the anonymized readers' click activities in the
organizations' websites to identify news consumption patterns following
referrals from Twitter, who incidentally reach but propensity is mainly the
routed news content. The investigation is widened to a broad perspective by
linking the log data with news content to enrich the insights rather than
sticking into the web journey. The methodologies on ensemble cluster analysis
with mixed-type embedding strategies are applied and compared to find similar
reader groups and interests independent from time. Our results demonstrate that
the quality of clustering mixed-type data set approaches to optimal internal
validation scores when embedded by Uniform Manifold Approximation and
Projection (UMAP) and using consensus function as a key to access the most
applicable hyper parameter configurations in the given ensemble rather than
using consensus function results directly. Evaluation of the resulting clusters
highlights specific clusters repeatedly present in the samples, which provide
insights to the news organizations and overcome the degradation of the modeling
behaviors due to the change in the interest over time.
- Abstract（参考訳）: ウェブサイト上の人的活動によって生成される膨大な量のクリックストリームデータは、ニュースメディアのデジタル化後、ニュースルームによって読者の特徴を識別する重要な特徴となっている。
ストリーミングデータ、特に前例のないトラフィックを処理するために、弾力性のあるアーキテクチャを持つことが不可欠であり、読者に主に関連する記事の推薦など、より包括的な分析を可能にする。
クリックストリームデータの性質はウェブサイト内でも同様の論理を持っているが、広い視点から見れば人間の行動を認識するには固有の制限があるため、ニッチな領域では問題を制限する必要がある。
本研究は、組織ウェブサイトにおける匿名化読者のクリック活動を分析し、Twitterの紹介に追随するニュース消費パターンを識別するものである。
調査は、ログデータをニュースコンテンツにリンクすることで、Webジャーニーに留まらず、洞察を豊かにすることで、幅広い視点に展開されている。
混合型埋め込み戦略を用いたアンサンブルクラスタ分析手法を適用し、類似の読者グループや興味を時間と独立して見つける方法と比較した。
その結果,混合型データセットのクラスタリングの質は,一様多様体近似および投影(umap)により組込む場合の最適な内部検証スコアに接近し,コンセンサス関数を与えられたアンサンブルにおいて,コンセンサス関数を直接使用するのではなく,最も適用可能なハイパーパラメータ構成にアクセスするための鍵とする。
得られたクラスタの評価は、サンプルに繰り返し存在する特定のクラスタを強調し、ニュース組織に洞察を与え、時間とともに関心が変化するため、モデリング行動の劣化を克服する。
関連論文リスト
- InterFormer: Towards Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction [72.50606292994341]
我々はインターリービング方式で異種情報インタラクションを学習するInterFormerという新しいモジュールを提案する。
提案するInterFormerは,3つのパブリックデータセットと大規模産業データセットに対して,最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-11-15T00:20:36Z) - Enhancing Affinity Propagation for Improved Public Sentiment Insights [0.0]
本稿では,教師なし学習技術を用いて感情分析を行う手法を提案する。
APクラスタリングは、事前に定義されたクラスタ番号を必要とせずに、自然なパターンに基づいてテキストデータをグループ化する。
パフォーマンスを向上させるため、APはAgglomerative Hierarchical Clusteringと組み合わせられる。
論文 参考訳（メタデータ） (2024-10-12T19:20:33Z) - Improving and Evaluating the Detection of Fragmentation in News
Recommendations with the Clustering of News Story Chains [46.44827993583994]
フラグメンテーション指標は、ニュースレコメンデーションにおける情報ストリームの断片化の度合いを定量化する。
本稿では,ニュースレコメンデーションにおけるフラグメンテーションの定量化手法について検討する。
論文 参考訳（メタデータ） (2023-09-12T13:01:20Z) - A Graph-Enhanced Click Model for Web Search [67.27218481132185]
ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。
セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
論文 参考訳（メタデータ） (2022-06-17T08:32:43Z) - 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) - Improved Topic modeling in Twitter through Community Pooling [0.0]
Twitterの投稿は短いが、他のテキストよりも一貫性が低いことが多い。
著者が同じコミュニティに属しているツイートをグループ化する,トピックモデリングのための新しいプール方式を提案する。
その結果、我々のコミュニティポーリング手法は、2つの異種データセットの指標の大部分において、他の手法よりも優れていた。
論文 参考訳（メタデータ） (2021-12-20T17:05:32Z) - Like Article, Like Audience: Enforcing Multimodal Correlations for
Disinformation Detection [20.394457328537975]
ユーザ生成コンテンツとユーザ共有コンテンツの相関を利用して、オンラインニュース記事の偽情報を検出する。
偽情報検出のためのマルチモーダル学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2021-08-31T14:50:16Z) - Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。
同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。
我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
論文 参考訳（メタデータ） (2021-06-15T20:55:55Z) - Adversarial Feature Augmentation and Normalization for Visual
Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。
本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。
代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文 参考訳（メタデータ） (2021-03-22T20:36:34Z) - Search Result Clustering in Collaborative Sound Collections [17.48516881308658]
大規模オンラインデータベースを問合せする際に得られた多様な音声コレクションをクラスタリングするために,音声特徴を用いたグラフベースのアプローチを提案する。
不整合クラスタを破棄する信頼性尺度を用いることで,パーティションの品質が向上することを示す。
論文 参考訳（メタデータ） (2020-04-08T13:08:17Z) - Mining Implicit Entity Preference from User-Item Interaction Data for
Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。
我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。
利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文 参考訳（メタデータ） (2020-03-28T05:47:33Z)
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。