論文の概要: Building a healthier feed: Private location trace intersection driven feed recommendations

• arxiv url: http://arxiv.org/abs/2210.01927v2
• Date: Wed, 20 Sep 2023 20:37:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-22 20:16:56.409506
• Title: Building a healthier feed: Private location trace intersection driven feed recommendations
• Title（参考訳）: より健康的なフィードの構築:プライベートな位置追跡交差点駆動フィードレコメンデーション
• Authors: Tobin South, Nick Lothian, Alex "Sandy" Pentland
• Abstract要約: ユーザの個人情報からソーシャルフィードを駆動するための,同意第一のプライベート情報共有パラダイムを提案する。 本研究は、プライベートセットの交差点を介して、実際のオフラインソーシャル接続を表すフィードを設計する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 6.913190961680716
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The physical environment you navigate strongly determines which communities and people matter most to individuals. These effects drive both personal access to opportunities and the social capital of communities, and can often be observed in the personal mobility traces of individuals. Traditional social media feeds underutilize these mobility-based features, or do so in a privacy exploitative manner. Here we propose a consent-first private information sharing paradigm for driving social feeds from users' personal private data, specifically using mobility traces. This approach designs the feed to explicitly optimize for integrating the user into the local community and for social capital building through leveraging mobility trace overlaps as a proxy for existing or potential real-world social connections, creating proportionality between whom a user sees in their feed, and whom the user is likely to see in person. These claims are validated against existing social-mobility data, and a reference implementation of the proposed algorithm is built for demonstration. In total, this work presents a novel technique for designing feeds that represent real offline social connections through private set intersections requiring no third party, or public data exposure.
• Abstract（参考訳）: ナビゲートする物理的な環境は、どのコミュニティや人々が最も重要かを強く決定します。 これらの効果は、地域社会の機会と社会資本への個人的アクセスを誘導し、個人のモビリティトレースでしばしば観察される。 従来のソーシャルメディアフィードは、これらのモビリティベースの機能を利用していない。 本稿では、ユーザの個人個人データからソーシャルフィードを駆動するための同意第一のプライベート情報共有パラダイムを提案する。 このアプローチは、既存のまたは潜在的な現実世界のソーシャルコネクションのプロキシとしてモビリティトレースのオーバーラップを活用し、ユーザーがフィードで見ているものと、ユーザーが直接見る可能性が高いものとの比例関係を生み出すことにより、ユーザーをローカルコミュニティとソーシャルキャピタルビルディングに統合するためのフィードを明示的に設計する。 これらの主張は既存の社会運動データに対して検証され、提案アルゴリズムの参照実装が実証のために構築されている。 本研究は, 第三者や公開データの露出を必要とせず, プライベートセットの交差点を介し, オフラインのソーシャル接続を表現できるフィードを設計するための新しい手法を提案する。

関連論文リスト

• Differentially Private Data Release on Graphs: Inefficiencies and Unfairness [48.96399034594329]
  本稿では,ネットワーク情報公開の文脈における偏見と不公平性に対する差別的プライバシの影響を特徴づける。 ネットワーク構造が全員に知られているネットワークリリースの問題を考えるが、エッジの重みをプライベートにリリースする必要がある。 我々の研究は、これらのネットワーク化された決定問題におけるプライバシーに起因する偏見と不公平性に関する理論的根拠と実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2024-08-08T08:37:37Z)
• The Illusion of Anonymity: Uncovering the Impact of User Actions on Privacy in Web3 Social Ecosystems [11.501563549824466]
  本稿では,Web3ソーシャルプラットフォームにおけるユーザエンゲージメントと,それに伴うプライバシー問題との相違点について検討する。 我々は,人気を模したボグスアカウントの確立を含む,製造活動の広範な現象を精査する。 我々は、社会交流の複雑なウェブをナビゲートする、より厳格なプライバシー対策と倫理的プロトコルの緊急的必要性を強調します。
  論文  参考訳（メタデータ） (2024-05-22T06:26:15Z)
• A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
  プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。 これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。 差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
  論文  参考訳（メタデータ） (2023-09-27T14:38:16Z)
• Position: Considerations for Differentially Private Learning with Large-Scale Public Pretraining [75.25943383604266]
  大規模なWebスクレイプデータセットの使用は、差分プライバシ保存と見なすべきかどうかを疑問視する。 Webデータ上で事前訓練されたこれらのモデルを“プライベート”として公開することで、市民のプライバシーに対する信頼を意味のあるプライバシの定義として損なう可能性があることを警告します。 公的な事前学習がより普及し、強力になるにつれて、私的な学習分野への道のりを議論することで、我々は結論づける。
  論文  参考訳（メタデータ） (2022-12-13T10:41:12Z)
• 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)
• Federated Social Recommendation with Graph Neural Network [69.36135187771929]
  本稿では,ソーシャル情報とユーザ・イテムの相互作用を融合させることにより,ソーシャル・レコメンデーションの問題であるソーシャル・リコメンデーションの緩和を提案する。 我々は textbfGraph Neural Network (FeSoG) を用いた textbfFedrated textbfSocial 推薦フレームワークを考案した。
  論文  参考訳（メタデータ） (2021-11-21T09:41:39Z)
• Harnessing the Power of Ego Network Layers for Link Prediction in Online Social Networks [0.734084539365505]
  予測は典型的には教師なしまたは教師なしの学習に基づいている。 個人の社会的構造に関するより豊かな情報は、より良い予測につながるかもしれないと我々は主張する。 社会的認識が予測性能に大きな改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-09-19T18:49:10Z)
• PeopleTraffic: a common framework for harmonizing privacy and epidemic risks [0.0]
  PeopleTrafficは、公共機関、民間企業、市民社会に開放されたリアルタイムでオープンな人口密度マッピングツールを開発するためのイニシアチブである。 このシステムは、利用可能な2G、3G、および4Gモバイルネットワークオペレーターからのリアルタイムの位置情報収集とマッピングシステムに基づいている。
  論文  参考訳（メタデータ） (2020-05-20T14:09:38Z)
• DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation [50.08581302050378]
  ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。 ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。 本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
  論文  参考訳（メタデータ） (2020-01-15T08:45:34Z)

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。