論文の概要: Interactions in Information Spread
- arxiv url: http://arxiv.org/abs/2209.08026v1
- Date: Fri, 16 Sep 2022 16:11:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-19 13:51:15.052166
- Title: Interactions in Information Spread
- Title（参考訳）: 情報拡散における相互作用
- Authors: Ga\"el Poux-M\'edard
- Abstract要約: ソーシャルネットワークにおける情報インタラクションの役割について検討する。
いくつかのソーシャルネットワークではインタラクションはまれである。
稀かつ短時間のインタラクションを共同でモデル化するフレームワークを設計する。
Reddit上で大規模なアプリケーションを実行し、このデータセットではインタラクションがマイナーな役割を担っていることに気付きました。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since the development of writing 5000 years ago, human-generated data gets
produced at an ever-increasing pace. Classical archival methods aimed at easing
information retrieval. Nowadays, archiving is not enough anymore. The amount of
data that gets generated daily is beyond human comprehension, and appeals for
new information retrieval strategies. Instead of referencing every single data
piece as in traditional archival techniques, a more relevant approach consists
in understanding the overall ideas conveyed in data flows. To spot such general
tendencies, a precise comprehension of the underlying data generation
mechanisms is required. In the rich literature tackling this problem, the
question of information interaction remains nearly unexplored. First, we
investigate the frequency of such interactions. Building on recent advances
made in Stochastic Block Modelling, we explore the role of interactions in
several social networks. We find that interactions are rare in these datasets.
Then, we wonder how interactions evolve over time. Earlier data pieces should
not have an everlasting influence on ulterior data generation mechanisms. We
model this using dynamic network inference advances. We conclude that
interactions are brief. Finally, we design a framework that jointly models rare
and brief interactions based on Dirichlet-Hawkes Processes. We argue that this
new class of models fits brief and sparse interaction modelling. We conduct a
large-scale application on Reddit and find that interactions play a minor role
in this dataset. From a broader perspective, our work results in a collection
of highly flexible models and in a rethinking of core concepts of machine
learning. Consequently, we open a range of novel perspectives both in terms of
real-world applications and in terms of technical contributions to machine
learning.
- Abstract（参考訳）: 5000年前の開発以来、人間が生成したデータは増え続けるペースで生成される。
情報検索の緩和を目的とした古典的アーカイブ手法
今日では、アーカイブはもはや不十分である。
毎日生成されるデータ量は人間の理解を超え、新しい情報検索戦略をアピールする。
従来のアーカイブ技術としてすべてのデータ片を参照するのではなく、より関連するアプローチは、データフローで伝達される全体的なアイデアを理解することである。
このような一般的な傾向を見つけるには、基礎となるデータ生成メカニズムの正確な理解が必要である。
この問題に取り組む豊かな文献では、情報相互作用の問題はほとんど未解明のままである。
まず,このような相互作用の頻度について検討する。
確率的ブロックモデリングにおける最近の進歩を踏まえ,いくつかのソーシャルネットワークにおけるインタラクションの役割について考察する。
これらのデータセットではインタラクションはまれである。
そして、時間とともにどのように相互作用が進化するか疑問に思う。
以前のデータピースは、uttriorデータ生成メカニズムに永続的な影響を与えるべきではない。
これを動的ネットワーク推論の進歩を用いてモデル化する。
我々は相互作用が短いと結論づける。
最後に,dirichlet-hawkesプロセスに基づく希少かつ短時間のインタラクションを共同でモデル化するフレームワークを設計する。
この新しいモデルのクラスは、簡潔でスパースな相互作用モデリングに適合すると主張する。
redditで大規模なアプリケーションを実施し、このデータセットでインタラクションがマイナーな役割を果たすことを確認します。
より広い視点から見ると、我々の研究は、高度に柔軟なモデルの集合と、機械学習のコア概念の再考をもたらす。
その結果、現実世界のアプリケーションと機械学習への技術的貢献の両方の観点から、様々な新しい視点が開ける。
関連論文リスト
- Cooperative data-driven modeling [44.99833362998488]
メカニクスにおけるデータ駆動モデリングは、最近の機械学習の進歩に基づいて急速に進化している。
異なるグループによって作成された新しいデータとモデルが利用可能となり、協調モデリングの可能性が開ける。
人工ニューラルネットワークは、破滅的な忘れ、すなわち、新しいタスクでトレーニングされたときに古いタスクを実行する方法を忘れることに苦しむ。
これは、新しいタスクに既存のモデルを適用することが、誰かによって訓練された前のタスクのパフォーマンスに影響を与えるため、協力を妨げる。
論文 参考訳（メタデータ） (2022-11-23T14:27:25Z) - Constructing Effective Machine Learning Models for the Sciences: A
Multidisciplinary Perspective [77.53142165205281]
線形回帰モデルに変数間の変換や相互作用を手動で追加することで、非線形解が必ずしも改善されないことを示す。
データ駆動モデルを構築する前にこれを認識する方法や、そのような分析が本質的に解釈可能な回帰モデルへの移行にどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2022-11-21T17:48:44Z) - Properties of Reddit News Topical Interactions [3.5450828190071655]
我々は、Reddit上のニュース見出し間の相互作用が、その基盤となる出版メカニズムにおいて重要な役割を果たすかどうかを判断するために、そのようなモデルを拡張し、適用することを提案する。
2019年から10万件のニュース見出しに関する詳細なケーススタディを行った結果、インタラクションに関する最先端の結論が得られました。
論文 参考訳（メタデータ） (2022-09-16T09:33:07Z) - Can I see an Example? Active Learning the Long Tail of Attributes and
Relations [64.50739983632006]
視覚シーンの属性や関係を問う,新たな逐次能動学習フレームワークを提案する。
従来のアクティブな学習手法では、特定の例のラベルを求めるが、エージェントが特定のカテゴリからサンプルを求めることができるように、このフレーミングを反転させる。
このフレーミングを用いて、データ分布の尾からサンプルを求めるアクティブサンプリング手法を導入し、Visual Genomeの古典的アクティブラーニング手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-03-11T19:28:19Z) - Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。
近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。
知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
論文 参考訳（メタデータ） (2021-10-27T12:19:56Z) - Exploring and mining attributed sequences of interactions [0.1933681537640272]
私たちはインタラクションをストリームグラフとしてモデル化します。
ラベル付きストリームグラフ上に閉じたパターンを列挙するアルゴリズムを導入し、関連する閉じたパターンを選択する方法を導入する。
学生間の相互作用と著者間の引用の2つの実世界のデータセットについて実験を行った。
論文 参考訳（メタデータ） (2021-07-28T12:53:46Z) - Continuous Latent Position Models for Instantaneous Interactions [0.0]
一対のエンティティ間の即時相互作用のタイミングと頻度を分析するためのフレームワークを作成します。
瞬時相互作用の例としては、電子メールネットワーク、電話ネットワーク、およびいくつかの一般的な技術および輸送ネットワークがある。
論文 参考訳（メタデータ） (2021-03-31T15:10:58Z) - Ranking Enhanced Dialogue Generation [77.8321855074999]
対話履歴を効果的に活用する方法は、マルチターン対話生成において重要な問題である。
これまでの研究は通常、歴史をモデル化するために様々なニューラルネットワークアーキテクチャを使用していた。
本稿では,ランキング拡張対話生成フレームワークを提案する。
論文 参考訳（メタデータ） (2020-08-13T01:49:56Z) - Relation-Guided Representation Learning [53.60351496449232]
本稿では,サンプル関係を明示的にモデル化し,活用する表現学習手法を提案する。
私たちのフレームワークは、サンプル間の関係をよく保存します。
サンプルをサブスペースに埋め込むことにより,本手法が大規模なサンプル外問題に対処可能であることを示す。
論文 参考訳（メタデータ） (2020-07-11T10:57:45Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳（メタデータ） (2020-07-07T17:19:56Z)
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。