論文の概要: Predicting Gender and Political Affiliation Using Mobile Payment Data

• arxiv url: http://arxiv.org/abs/2302.08026v1
• Date: Thu, 16 Feb 2023 02:07:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 14:13:26.071430
• Title: Predicting Gender and Political Affiliation Using Mobile Payment Data
• Title（参考訳）: モバイル決済データを用いた性別・政治関係の予測
• Authors: Ben Stobaugh, Dhiraj Murthy
• Abstract要約: 我々は、取引の内容に基づいて、Venmoユーザーの性別と政治的関連を予測できるかどうかを検討する。 Twitterデータを用いた潜在属性分析に類似した手法を用いた。 ユーザの性別を高い精度(.91)で予測することができ、ユーザの政治的指向を予測することに成功した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We explore the understudied area of social payments to evaluate whether or not we can predict the gender and political affiliation of Venmo users based on the content of their Venmo transactions. Latent attribute detection has been successfully applied in the domain of studying social media. However, there remains a dearth of previous work using data other than Twitter. There is also a continued need for studies which explore mobile payments spaces like Venmo, which remain understudied due to the lack of data access. We hypothesize that using methods similar to latent attribute analysis with Twitter data, machine learning algorithms will be able to predict gender and political affiliation of Venmo users with a moderate degree of accuracy. We collected crowdsourced training data that correlates participants' political views with their public Venmo transaction history through the paid Prolific service. Additionally, we collected 21 million public Venmo transactions from recently active users to use for gender classification. We then ran the collected data through a TF-IDF vectorizer and used that to train a support vector machine (SVM). After hyperparameter training and additional feature engineering, we were able to predict user's gender with a high level of accuracy (.91) and had modest success predicting user's political orientation (.63).
• Abstract（参考訳）: 我々は、Venmo取引の内容に基づいて、Venmo利用者の性別や政治的関係を予測できるかどうかを評価するために、社会的支払いの未検討領域について検討する。 潜在属性検出はソーシャルメディアの研究領域でうまく適用されている。 しかし、Twitter以外のデータを使った以前の作業はいまだに荒削りだ。 また、venmoのようなモバイル決済分野を探求する研究も引き続き必要であり、データアクセスの欠如により未検討のままである。 私たちは、twitterのデータで潜在属性分析に似た方法を使うことで、機械学習アルゴリズムはvenmoユーザーの性別や政治的関係を適度な精度で予測できると仮定している。 参加者の政治観と公共のベンモ取引履歴を関連付けるクラウドソーシングトレーニングデータを,有料多作サービスを通じて収集した。 さらに,最近アクティブなユーザから2100万の公開venmoトランザクションを収集し,性別分類を行った。 次に収集したデータをTF-IDFベクタライザを介して実行し、それをサポートベクタマシン(SVM)のトレーニングに使用しました。 ハイパーパラメータトレーニングと追加機能エンジニアリングの後に、高い精度(.91)でユーザの性別を予測でき、ユーザの政治的指向(.63)をわずかに予測できた。

関連論文リスト

• DADIT: A Dataset for Demographic Classification of Italian Twitter Users and a Comparison of Prediction Methods [20.590525489367955]
  イタリアで20万のTwitterユーザーの3000万ツイートのDADITデータセットを構築し、検証し、公開します。 DADITは、ソーシャルメディア利用者の性別や年齢を予測するために、様々な最先端モデルの性能を訓練し比較することを可能にする。
  論文  参考訳（メタデータ） (2024-03-08T22:18:13Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
  我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。 ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
  論文  参考訳（メタデータ） (2023-04-06T05:20:16Z)
• Membership Inference Attacks against Synthetic Data through Overfitting Detection [84.02632160692995]
  我々は、攻撃者が基礎となるデータ分布についてある程度の知識を持っていると仮定する現実的なMIA設定について論じる。 生成モデルの局所的なオーバーフィッティングをターゲットとして,メンバシップを推論することを目的とした密度ベースMIAモデルであるDOMIASを提案する。
  論文  参考訳（メタデータ） (2023-02-24T11:27:39Z)
• Predicting Socio-Economic Well-being Using Mobile Apps Data: A Case Study of France [5.254432021398321]
  本研究では,モバイルアプリデータを用いて社会経済的特徴の予測を行う。 本研究では,数千のモバイルアプリケーションのトラフィックを約3000万のユーザでキャプチャするデータを用いた大規模調査を行う。 アプリの利用パターンを用いて、私たちの最良のモデルは社会経済指標を推定できる。
  論文  参考訳（メタデータ） (2023-01-15T18:12:16Z)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• Fast Few shot Self-attentive Semi-supervised Political Inclination Prediction [12.472629584751509]
  政策立案者やジャーナリストにとって、特定の場所にいる人々の政治的傾向を理解するために、ソーシャルメディア上でオンライン世論調査を作成することは、今やますます一般的になっている。 我々は、その目的をさらに進めるために、政治的傾き検出のための自己注意型半教師付きフレームワークを導入する。 資源制約のある設定でも,モデルは非常に効率的であることがわかった。
  論文  参考訳（メタデータ） (2022-09-21T12:07:16Z)
• D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling Algorithmic Bias [57.87117733071416]
  D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。 ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。 それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
  論文  参考訳（メタデータ） (2022-08-10T03:41:48Z)
• Automatic User Profiling in Darknet Markets: a Scalability Study [15.83443291553249]
  本研究の目的は,現在の計算スタイメトリ手法の信頼性と限界を理解することである。 根拠となる真実は得られず、歴史的調査による検証済みの犯罪データも検証目的には利用できないため、クリアウェブフォーラムから新たなデータを収集した。
  論文  参考訳（メタデータ） (2022-03-24T16:54:59Z)
• The Gap on GAP: Tackling the Problem of Differing Data Distributions in Bias-Measuring Datasets [58.53269361115974]
  バイアスモデルを検出する診断データセットは、自然言語処理におけるバイアス低減の重要な前提条件である。 収集されたデータの望ましくないパターンは、そのようなテストを誤ったものにします。 実験データにおけるそのようなパターンに対処するために, 実験サンプルを重み付けする理論的基礎的手法を提案する。
  論文  参考訳（メタデータ） (2020-11-03T16:50:13Z)

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。