論文の概要: Modeling Memory Imprints Induced by Interactions in Social Networks
- arxiv url: http://arxiv.org/abs/2210.03197v2
- Date: Tue, 31 Jan 2023 22:10:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 11:35:08.370739
- Title: Modeling Memory Imprints Induced by Interactions in Social Networks
- Title（参考訳）: ソーシャルネットワークにおけるインタラクションによるメモリインプリントのモデル化
- Authors: James Flamino, Ross DeVito, Omar Lizardo, and Boleslaw K. Szymanski
- Abstract要約: ソーシャルネットワークにおけるリレーションシップの重要性にもかかわらず、長期にわたるインタラクションが、リレーションシップの重要性の記憶のインプリントとどのように相関するかを探求する研究はほとんどない。
本稿では,よく知られた認知科学モデルを適用し,記憶力学を表現する。
一つの個体群で訓練されたこのモデルは、この個体群だけでなく、別の個体群でも予測し、無関係な個体間の社会的相互作用の記憶インプリントの普遍性を示唆している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Memory imprints of the significance of relationships are constantly evolving.
They are boosted by social interactions among people involved in relationships,
and decay between such events, causing the relationships to change. Despite the
importance of the evolution of relationships in social networks, there is
little work exploring how interactions over extended periods correlate with
people's memory imprints of relationship importance. In this paper, we
represent memory dynamics by adapting a well-known cognitive science model.
Using two unique longitudinal datasets, we fit the model's parameters to
maximize agreement of the memory imprints of relationship strengths of a node
predicted from call detail records with the ground-truth list of relationships
of this node ordered by their strength. We find that this model, trained on one
population, predicts not only on this population but also on a different one,
suggesting the universality of memory imprints of social interactions among
unrelated individuals. This paper lays the foundation for studying the modeling
of social interactions as memory imprints, and its potential use as an
unobtrusive tool to early detection of individuals with memory malfunctions.
- Abstract（参考訳）: 関係の重要性の記憶インプリントは常に進化している。
それらは、関係に関わる人々間の社会的交流と、そのような出来事の間の腐敗によって促進され、関係が変化する。
ソーシャルネットワークにおける関係性の進化の重要性にもかかわらず、長期にわたる相互関係が人の関係性の重要性を刻印した記憶とどのように相関するかを探求する作業はほとんどない。
本稿では,よく知られた認知科学モデルを適用し,記憶力学を表現する。
2つの一意な長手データセットを用いて、各ノードの関係強度の記憶インプリントの一致を最大化するためにモデルのパラメータを適合させ、その強度によって順序付けられたこのノードの関係の基幹リストを呼出詳細記録から予測する。
ある集団で訓練されたこのモデルは、この集団だけでなく別の集団でも予測され、無関係な個人間での社会的相互作用の記憶のインプリントの普遍性が示唆される。
本稿では, 記憶障害のある個人を早期に検出するための, 社会的相互作用をメモリインプリントとしてモデル化するための基礎と, 邪魔にならないツールとしての可能性について述べる。
関連論文リスト
- Quantifying Human Priors over Social and Navigation Networks [2.1756081703276]
我々は、グラフの構造を活用して、そのような関係データに対する人間の優先順位を定量化する。
我々の実験は、進化の時間スケールにおいて、社会的相互作用と空間ナビゲーションという2つの領域に焦点をあてた。
論文 参考訳（メタデータ） (2024-02-28T19:00:36Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - SMEMO: Social Memory for Trajectory Forecasting [34.542209630734234]
本稿では、外部記憶装置として機能するエンドツーエンドのトレーニング可能なワーキングメモリに基づくニューラルネットワークを提案する。
提案手法は,異なるエージェントの動き間の説明可能な因果関係を学習し,軌跡予測データセットの最先端結果を得ることができることを示す。
論文 参考訳（メタデータ） (2022-03-23T14:40:20Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian
Trajectory Prediction [59.064925464991056]
ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。
SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。
公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
論文 参考訳（メタデータ） (2021-12-05T01:49:18Z) - Analyzing Wikipedia Membership Dataset and PredictingUnconnected Nodes
in the Signed Networks [0.666659730119789]
本研究では、Precison-Recall曲線とROCの下の領域を用いて、ソーシャルネットワーク内の2人の非接続者間の関係を予測する方法について検討する。
ソーシャル・ネットワークを署名グラフとしてモデル化し、トライadicモデル、Latent Informationモデル、Sentimentモデルを比較し、ピア・ピア間の相互作用を予測する。
論文 参考訳（メタデータ） (2021-10-18T09:03:18Z) - A Machine Learning Approach to Predicting Continuous Tie Strengths [0.4014524824655105]
人々の関係は常に進化し、対人行動を変え、社会集団を定義する。
ソーシャルネットワーク内のノード間の関係は、しばしば調査によって実証的に評価される結合力によって表される。
時間とともに進化する関係の連続的な近似を可能にするシステムを提案する。
論文 参考訳（メタデータ） (2021-01-23T05:01:05Z) - Graph-Based Social Relation Reasoning [101.9402771161935]
社会関係認識のためのグラフ関係推論ネットワーク(GR2N)を提案する。
本手法は,社会関係グラフの構築による連関関係推定のパラダイムを考察する。
実験結果から,本手法は合理的で一貫した社会関係グラフを生成することが示された。
論文 参考訳（メタデータ） (2020-07-15T03:01:11Z) - Learning Interactions and Relationships between Movie Characters [37.27773051465456]
我々は、相互作用、関係、および関係する一対のキャラクタを学習し、共同で予測するニューラルネットワークを提案する。
ビデオ中の対話的文字のペアをローカライズすることは時間を要するプロセスであり、クリップレベルの弱いラベルから学習するためにモデルをトレーニングする。
我々は、MovieGraphsデータセット上でモデルを評価し、モダリティの影響、関係を予測するための時間的コンテキストの使用、弱いラベルを用いたパフォーマンス向上を実現した。
論文 参考訳（メタデータ） (2020-03-29T23:11:24Z) - Self-Attentive Associative Memory [69.40038844695917]
我々は、個々の体験(記憶)とその発生する関係(関連記憶)の記憶を分離することを提案する。
機械学習タスクの多様性において,提案した2メモリモデルと競合する結果が得られる。
論文 参考訳（メタデータ） (2020-02-10T03:27:48Z)
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。