Fugu-MT 論文翻訳(概要): Tweet's popularity dynamics

論文の概要: Tweet's popularity dynamics

arxiv url: http://arxiv.org/abs/2301.00853v1
Date: Mon, 2 Jan 2023 19:43:39 GMT
ステータス: 処理完了
システム内更新日: 2023-01-04 14:47:39.224958
Title: Tweet's popularity dynamics
Title（参考訳）: ツイートの人気動態
Authors: Ferdinand Willemin
Abstract要約: この記事では、機械学習とディープラーニング技術を用いて、ツイート人気進化のパターンを自動的に識別することを目的とした、4ヶ月のプロジェクトの成果をグラフ化します。最終的にアルゴリズムはそのようなタスクを自動化することに失敗するが、このエクササイズはソーシャルネットワークに対するバイラル性の影響に対処するために複雑だが必要な問題を提起する。
参考スコア（独自算出の注目度）: 36.96956573633433
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This article charts the work of a 4 month project aimed at automatically identifying patterns of tweets popularity evolution using Machine Learning and Deep Learning techniques. To apprehend both the data and the extent of the problem, a straightforward clustering algorithm based on a point to point distance is used. Then, in an attempt to refine the algorithm, various analyses especially using feature extraction techniques are conducted. Although the algorithm eventually fails to automate such a task, this exercise raises a complex but necessary issue touching on the impact of virality on social networks.
Abstract（参考訳）: この記事では、機械学習とディープラーニング技術を用いて、ツイート人気進化のパターンを自動的に識別することを目的とした、4ヶ月のプロジェクトの成果をグラフ化します。データと問題の範囲の両方を認識するために、点から点までの距離に基づく簡単なクラスタリングアルゴリズムを用いる。そして,アルゴリズムを改良するために,特に特徴抽出技術を用いた様々な分析を行った。最終的にアルゴリズムはそのようなタスクを自動化することに失敗するが、このエクササイズはソーシャルネットワークにおけるバイラル性の影響に影響を及ぼす複雑な問題を引き起こす。

関連論文リスト

State-Space Modeling in Long Sequence Processing: A Survey on Recurrence in the Transformer Era [59.279784235147254]
このサーベイは、シーケンシャルなデータ処理の反復モデルに基づく最新のアプローチの詳細な概要を提供する。新たなイメージは、標準のバックプロパゲーション・オブ・タイムから外れた学習アルゴリズムによって構成される、新しいルートを考える余地があることを示唆している。
論文参考訳（メタデータ） (2024-06-13T12:51:22Z)
A Survey From Distributed Machine Learning to Distributed Deep Learning [0.356008609689971]
データとアルゴリズムを複数のマシンに分散する分散機械学習が提案されている。これらのアルゴリズムを分類とクラスタリング(従来の機械学習)、深層学習、深層強化学習グループに分割する。上記のアルゴリズムの調査に基づいて、今後の研究で対処すべき限界を強調した。
論文参考訳（メタデータ） (2023-07-11T13:06:42Z)
Active Learning Guided by Efficient Surrogate Learners [25.52920030051264]
1つのデータポイントが新しいラベルを受け取るたびに、ディープラーニングモデルを再トレーニングするのは現実的ではない。本稿では,ニューラルネットワークの主学習者とともに,ガウス過程の力を利用する新しい能動学習アルゴリズムを提案する。提案モデルでは,新しいデータインスタンス毎のサロゲート学習者を積極的に更新し,ニューラルネットワークの連続学習ダイナミクスをエミュレートし,活用する。
論文参考訳（メタデータ） (2023-01-07T01:35:25Z)
The CLRS Algorithmic Reasoning Benchmark [28.789225199559834]
アルゴリズムの学習表現は機械学習の新たな領域であり、ニューラルネットワークから古典的なアルゴリズムで概念をブリッジしようとしている。本稿では,従来のアルゴリズムを包括するCLRS Algorithmic Reasoning Benchmarkを提案する。我々のベンチマークは、ソート、探索、動的プログラミング、グラフアルゴリズム、文字列アルゴリズム、幾何アルゴリズムなど、様々なアルゴリズムの推論手順にまたがっている。
論文参考訳（メタデータ） (2022-05-31T09:56:44Z)
Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文参考訳（メタデータ） (2021-11-09T13:30:34Z)
Improving exploration in policy gradient search: Application to symbolic optimization [6.344988093245026]
多くの機械学習戦略は、ニューラルネットワークを利用して数学記号の大きな空間を探索する。従来の進化的アプローチとは対照的に、検索のコアでニューラルネットワークを使用することで、より高いレベルのシンボルパターンを学習することができる。これらの手法は, 性能の向上, サンプル効率の向上, シンボル回帰の課題に対する解の複雑さの低減を図っている。
論文参考訳（メタデータ） (2021-07-19T21:11:07Z)
Multi-task Supervised Learning via Cross-learning [102.64082402388192]
我々は,様々なタスクを解くことを目的とした回帰関数の集合を適合させることで,マルチタスク学習と呼ばれる問題を考える。我々の新しい定式化では、これらの関数のパラメータを2つに分けて、互いに近づきながらタスク固有のドメインで学習する。これにより、異なるドメインにまたがって収集されたデータが、互いのタスクにおける学習パフォーマンスを改善するのに役立つ、クロス・ファーティライズが促進される。
論文参考訳（メタデータ） (2020-10-24T21:35:57Z)
A black-box adversarial attack for poisoning clustering [78.19784577498031]
本稿では,クラスタリングアルゴリズムのロバスト性をテストするために,ブラックボックス対逆攻撃法を提案する。我々の攻撃は、SVM、ランダムフォレスト、ニューラルネットワークなどの教師付きアルゴリズムに対しても転送可能であることを示す。
論文参考訳（メタデータ） (2020-09-09T18:19:31Z)
AutoML-Zero: Evolving Machine Learning Algorithms From Scratch [76.83052807776276]
基本数学的操作をビルディングブロックとして使うだけで,完全な機械学習アルゴリズムを自動的に発見できることが示される。汎用的な検索空間を通じて人間のバイアスを大幅に低減する新しいフレームワークを導入することでこれを実証する。機械学習アルゴリズムをゼロから発見する上で、これらの予備的な成功は、この分野における有望な新しい方向性を示していると信じている。
論文参考訳（メタデータ） (2020-03-06T19:00:04Z)

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。