論文の概要: Heterogeneous Social Event Detection via Hyperbolic Graph Representations

• arxiv url: http://arxiv.org/abs/2302.10362v1
• Date: Mon, 20 Feb 2023 23:41:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-22 16:52:43.439012
• Title: Heterogeneous Social Event Detection via Hyperbolic Graph Representations
• Title（参考訳）: 双曲グラフ表現によるヘテロジニアスなソーシャルイベント検出
• Authors: Zitai Qiu, Jia Wu, Jian Yang, Xing Su and Charu C. Aggarwal
• Abstract要約: 社会的な出来事は社会のダイナミクスを反映しており、ここでは自然災害や緊急事態に大きな注目を集めている。 ヘテロジニアスなソーシャルメディア環境から社会的事象を検出するための2つの双曲グラフ表現に基づく手法を提案する。
• 参考スコア（独自算出の注目度）: 34.26557506523149
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social events reflect the dynamics of society and, here, natural disasters and emergencies receive significant attention. The timely detection of these events can provide organisations and individuals with valuable information to reduce or avoid losses. However, due to the complex heterogeneities of the content and structure of social media, existing models can only learn limited information; large amounts of semantic and structural information are ignored. In addition, due to high labour costs, it is rare for social media datasets to include high-quality labels, which also makes it challenging for models to learn information from social media. In this study, we propose two hyperbolic graph representation-based methods for detecting social events from heterogeneous social media environments. For cases where a dataset has labels, we designed a Hyperbolic Social Event Detection (HSED) model that converts complex social information into a unified social message graph. This model addresses the heterogeneity of social media, and, with this graph, the information in social media can be used to capture structural information based on the properties of hyperbolic space. For cases where the dataset is unlabelled, we designed an Unsupervised Hyperbolic Social Event Detection (UHSED). This model is based on the HSED model but includes graph contrastive learning to make it work in unlabelled scenarios. Extensive experiments demonstrate the superiority of the proposed approaches.
• Abstract（参考訳）: 社会的な出来事は社会のダイナミクスを反映しており、自然災害や非常事態が注目される。 これらのイベントをタイムリーに検出することで、組織や個人に損失を減らす、あるいは回避するための貴重な情報を提供することができる。 しかし、ソーシャルメディアの内容と構造の複雑な異質性のため、既存のモデルは限られた情報しか学べず、大量の意味や構造情報は無視される。 また、高い労働コストのため、ソーシャルメディアのデータセットが高品質なラベルを含むことは稀であり、モデルがソーシャルメディアから情報を学ぶのも困難である。 本研究では,ヘテロジニアスなソーシャルメディア環境からソーシャルイベントを検出する2つの双曲グラフ表現に基づく手法を提案する。 データセットにラベルがある場合、複雑なソーシャル情報を統一されたソーシャルメッセージグラフに変換するHyperbolic Social Event Detection (HSED)モデルを設計した。 このモデルは、ソーシャルメディアの多様性に対処し、このグラフでは、ソーシャルメディアの情報は双曲空間の性質に基づいて構造情報を取得するのに使うことができる。 データセットがラップされていない場合、unsupervised Hyperbolic Social Event Detection (UHSED)を設計した。 このモデルはHSEDモデルに基づいているが、グラフのコントラスト学習を含まないシナリオで機能させる。 広範な実験が提案手法の優越性を示している。

関連論文リスト

• BotDGT: Dynamicity-aware Social Bot Detection with Dynamic Graph Transformers [34.517897902575946]
  BotDGTはトポロジカルな構造を考慮した新しいフレームワークであるが、ソーシャルネットワークの動的な性質を効果的に取り入れている。 各歴史的スナップショットからトポロジ情報を取得するために構造モジュールが使用される。 時間的モジュールは、歴史的コンテキストを統合し、社会的ボットや正当なユーザによって提示される進化する行動パターンをモデル化するために提案される。
  論文  参考訳（メタデータ） (2024-04-23T14:19:13Z)
• Social-LLM: Modeling User Behavior at Scale using Language Models and Social Network Data [13.660150473547766]
  本稿では,ユーザ検出タスクにおけるソーシャルネットワークデータのモデリングに適した新しいアプローチを提案する。 提案手法は,局所的なソーシャルネットワークのインタラクションを,大規模言語モデルの能力と統合する。 実世界の7つのソーシャル・ネットワーク・データセットにまたがって、我々の手法を徹底的に評価する。
  論文  参考訳（メタデータ） (2023-12-31T05:13:13Z)
• FairGen: Towards Fair Graph Generation [76.34239875010381]
  フェアネスを考慮したグラフ生成モデルFairGenを提案する。 我々のモデルはラベルインフォームドグラフ生成モジュールと公正表現学習モジュールを共同で訓練する。 Webベースのグラフを含む7つの実世界のデータセットの実験結果は、FairGenが最先端のグラフ生成モデルと同等のパフォーマンスを得ることを示した。
  論文  参考訳（メタデータ） (2023-03-30T23:30:42Z)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T01:20:29Z)
• Exploring Fake News Detection with Heterogeneous Social Media Context Graphs [4.2177790395417745]
  フェイクニュースの検出は、社会全体に直接的な影響を与えるため、純粋に学術的な関心を超える研究領域となっている。 本稿では,ニュース記事を取り巻く異質なソーシャルコンテキストグラフを構築し,問題をグラフ分類タスクとして再構築することを提案する。
  論文  参考訳（メタデータ） (2022-12-13T13:29:47Z)
• Graph-based Joint Pandemic Concern and Relation Extraction on Twitter [19.7176519744206]
  公衆の懸念検出は、パンデミックの流行前またはその間、危機管理のための当局に潜在的ガイダンスを提供する。 ソーシャルメディアの膨大な情報から時間内の懸念を検出することは、大きな課題であることがわかりました。 本稿では,人々の関心事とそれに対応する関係を識別する新しいエンド・ツー・エンドのディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-18T06:06:35Z)
• Streaming Social Event Detection and Evolution Discovery in Heterogeneous Information Networks [90.3475746663728]
  イベントは現実世界やリアルタイムで行われており、社会集会、祝祭、影響力のある会議、スポーツ活動などのイベントのために計画や組織化が可能である。 ソーシャルメディアプラットフォームは、トピックの異なる公開イベントに関する多くのリアルタイムテキスト情報を生成する。 しかし、異質なテクスチャやメタデータがあいまいであることが多いため、社会イベントの採掘は困難である。
  論文  参考訳（メタデータ） (2021-04-02T02:13:10Z)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)
• Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
  ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。 有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。 我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
  論文  参考訳（メタデータ） (2020-11-02T02:03:07Z)

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。