論文の概要: Mining Reaction and Diffusion Dynamics in Social Activities
- arxiv url: http://arxiv.org/abs/2208.04846v1
- Date: Sun, 7 Aug 2022 15:42:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-10 12:20:48.497450
- Title: Mining Reaction and Diffusion Dynamics in Social Activities
- Title（参考訳）: 社会活動における鉱業反応と拡散ダイナミクス
- Authors: Taichi Murayama and Yasuko Matsubara and Sakurai Yasushi
- Abstract要約: 毎週のウェブ検索量などのオンラインユーザ活動データの定量化は、重要なソーシャルセンサーとして機能する。
このようなデータから潜伏相互作用を発見し,将来活動の正確な予測を行う上で重要な課題である。
F FluxCubeは、オンラインユーザ活動の大規模なコレクションを予測する効果的なマイニング手法である。
- 参考スコア（独自算出の注目度）: 4.288475943477759
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large quantifies of online user activity data, such as weekly web search
volumes, which co-evolve with the mutual influence of several queries and
locations, serve as an important social sensor. It is an important task to
accurately forecast the future activity by discovering latent interactions from
such data, i.e., the ecosystems between each query and the flow of influences
between each area. However, this is a difficult problem in terms of data
quantity and complex patterns covering the dynamics. To tackle the problem, we
propose FluxCube, which is an effective mining method that forecasts large
collections of co-evolving online user activity and provides good
interpretability. Our model is the expansion of a combination of two
mathematical models: a reaction-diffusion system provides a framework for
modeling the flow of influences between local area groups and an ecological
system models the latent interactions between each query. Also, by leveraging
the concept of physics-informed neural networks, FluxCube achieves high
interpretability obtained from the parameters and high forecasting performance,
together. Extensive experiments on real datasets showed that FluxCube
outperforms comparable models in terms of the forecasting accuracy, and each
component in FluxCube contributes to the enhanced performance. We then show
some case studies that FluxCube can extract useful latent interactions between
queries and area groups.
- Abstract（参考訳）: 毎週のウェブ検索ボリュームなどのオンラインユーザ活動データの定量化は、複数のクエリやロケーションの相互影響と共同で展開され、重要なソーシャルセンサーとして機能する。
このようなデータ、すなわち、各クエリ間のエコシステムと各領域間の影響の流れを探索することで、将来の活動を予測することが重要な課題である。
しかし、これはデータ量と力学をカバーする複雑なパターンの点で難しい問題である。
そこで本研究では,共進化するオンラインユーザ活動の大規模コレクションを予測し,良好な解釈性を提供する効率的なマイニング手法であるfluxcubeを提案する。
反応拡散システムは、局所的な領域群間の影響の流れをモデル化するためのフレームワークと、各クエリ間の遅延相互作用をモデル化するエコロジーシステムを提供する。
また、物理インフォームドニューラルネットワークの概念を活用することで、FluxCubeはパラメータと高い予測性能から得られる高い解釈性を実現する。
実際のデータセットに対する大規模な実験により、FluxCubeは予測精度で同等のモデルより優れており、FluxCubeの各コンポーネントが性能の向上に貢献していることがわかった。
次に、FluxCubeがクエリとエリアグループ間の有用な潜在相互作用を抽出できるケーススタディを示す。
関連論文リスト
- Most Influential Subset Selection: Challenges, Promises, and Beyond [9.479235005673683]
我々は,最も集団的影響の大きいトレーニングサンプルのサブセットを特定することを目的とした,MISS(Most Influential Subset Selection)問題について検討する。
我々は、MISにおける一般的なアプローチを包括的に分析し、その強みと弱点を解明する。
本稿では,これらを反復的に適用した適応バージョンが,試料間の相互作用を効果的に捕捉できることを実証する。
論文 参考訳（メタデータ） (2024-09-25T20:00:23Z) - Influence Maximization via Graph Neural Bandits [54.45552721334886]
IM問題を多ラウンド拡散キャンペーンに設定し,影響を受けやすいユーザ数を最大化することを目的とした。
IM-GNB(Influence Maximization with Graph Neural Bandits)を提案する。
論文 参考訳（メタデータ） (2024-06-18T17:54:33Z) - DySuse: Susceptibility Estimation in Dynamic Social Networks [2.736093604280113]
本稿では,より現実的で,現実的な応用に有用な,動的ソーシャルネットワークにおける感受性推定というタスクを提案する。
構造的特徴モジュールを利用して、各グラフスナップショット上の影響拡散の構造的情報を独立にキャプチャする。
本フレームワークは,既存の動的グラフ埋め込みモデルよりも優れ,複数の影響拡散モデルにおいて良好な予測性能を有する。
論文 参考訳（メタデータ） (2023-08-21T03:28:34Z) - Improving Multi-Interest Network with Stable Learning [13.514488368734776]
Deep Stable Multi-Interest Learning (DESMIL) という新しい多目的ネットワークを提案する。
DESMILは、収集した関心事間の微妙な依存関係の影響を、トレーニングサンプルの学習重みによって排除しようとする。
我々は、パブリックレコメンデーションデータセット、大規模産業データセット、合成データセットに関する広範な実験を行う。
論文 参考訳（メタデータ） (2022-07-14T07:49:28Z) - 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) - Preference Enhanced Social Influence Modeling for Network-Aware Cascade
Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。
エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文 参考訳（メタデータ） (2022-04-18T09:25:06Z) - Information Interaction Profile of Choice Adoption [2.9972063833424216]
相互作用するエンティティを分離する時間的距離に応じて、エンティティの相互作用ネットワークとその進化を推定する効率的な方法を紹介します。
相互作用プロファイルは、相互作用プロセスのメカニズムを特徴付けることができます。
ユーザに対する露出の組み合わせの効果は、各露出の独立した効果の総和以上のものであることを示す。
論文 参考訳（メタデータ） (2021-04-28T10:42:25Z) - Deep Archimedean Copulas [98.96141706464425]
ACNetは、構造的特性を強制する、新しい差別化可能なニューラルネットワークアーキテクチャである。
我々は、ACNetが共通のアルキメデスコピュラスを近似し、データに適合する可能性のある新しいコプラを生成することができることを示した。
論文 参考訳（メタデータ） (2020-12-05T22:58:37Z) - Distributed Learning via Filtered Hyperinterpolation on Manifolds [2.2046162792653017]
本稿では,実数値関数を多様体上で学習する問題について検討する。
大規模なデータセットを扱うという問題に触発され、並列データ処理アプローチが提示される。
学習関数の近似品質と多様体全体の量的関係を証明した。
論文 参考訳（メタデータ） (2020-07-18T10:05:18Z) - Causal Discovery in Physical Systems from Videos [123.79211190669821]
因果発見は人間の認知の中心にある。
本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
論文 参考訳（メタデータ） (2020-07-01T17:29:57Z) - Influence Functions in Deep Learning Are Fragile [52.31375893260445]
影響関数は、テスト時間予測におけるサンプルの効果を近似する。
影響評価は浅いネットワークでは かなり正確です
ヘッセン正則化は、高品質な影響推定を得るために重要である。
論文 参考訳（メタデータ） (2020-06-25T18:25:59Z)
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。