論文の概要: Modeling Random Networks with Heterogeneous Reciprocity
- arxiv url: http://arxiv.org/abs/2308.10113v1
- Date: Sat, 19 Aug 2023 21:21:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-22 17:50:13.466075
- Title: Modeling Random Networks with Heterogeneous Reciprocity
- Title(参考訳): 不均一相反性を持つランダムネットワークのモデル化
- Authors: Daniel Cirkovic, Tiandong Wang
- Abstract要約: 成長するソーシャルネットワークにおける多様な相互行動のモデル化手法を開発する。
本稿では,人気ユーザに対するアトラクションを模倣した異種相互性を持つ優先アタッチメントモデルを提案する。
提案手法を,不均一な相互行動パターンを持つFacebookのウォールポストネットワークの解析に適用する。
- 参考スコア(独自算出の注目度): 9.630755176298056
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reciprocity, or the tendency of individuals to mirror behavior, is a key
measure that describes information exchange in a social network. Users in
social networks tend to engage in different levels of reciprocal behavior.
Differences in such behavior may indicate the existence of communities that
reciprocate links at varying rates. In this paper, we develop methodology to
model the diverse reciprocal behavior in growing social networks. In
particular, we present a preferential attachment model with heterogeneous
reciprocity that imitates the attraction users have for popular users, plus the
heterogeneous nature by which they reciprocate links. We compare Bayesian and
frequentist model fitting techniques for large networks, as well as
computationally efficient variational alternatives. Cases where the number of
communities are known and unknown are both considered. We apply the presented
methods to the analysis of a Facebook wallpost network where users have
non-uniform reciprocal behavior patterns. The fitted model captures the
heavy-tailed nature of the empirical degree distributions in the Facebook data
and identifies multiple groups of users that differ in their tendency to reply
to and receive responses to wallposts.
- Abstract(参考訳): 相互性(reciprocity)は、個人の行動のミラー化傾向であり、ソーシャルネットワークにおける情報交換を記述する重要な指標である。
ソーシャルネットワークのユーザーは、異なるレベルの相互行為を行う傾向がある。
このような行動の違いは、異なるレートで相互にリンクするコミュニティの存在を示す可能性がある。
本稿では,成長するソーシャルネットワークにおける多様な相互行動のモデル化手法を開発する。
特に,利用者が人気ユーザに対して持つアトラクションを模倣する不均一な相互性を持つ優先アタッチメントモデルと,それらが相互にリンクする異種性を示す。
大規模ネットワークに対するベイジアンおよび頻繁なモデルフィッティング技術と,計算効率の良い変分法を比較した。
コミュニティの数が知られ、不明な場合も考慮されている。
提案手法をfacebookのウォールポストネットワークの分析に適用し,非一様の相互行動パターンを提示する。
装着されたモデルは、Facebookデータにおける経験的次数分布の重み付けの性質を捉え、ウォールポストへの応答と受信の傾向が異なる複数のユーザのグループを特定する。
関連論文リスト
- Community Detection for Heterogeneous Multiple Social Networks [6.863667633281842]
コミュニティは、ソーシャルネットワークにおけるユーザー行動とネットワーク特性を理解する上で重要な役割を担っている。
本稿では,複数ソーシャルネットワークを対象とした非負行列三要素化に基づくコミュニティ検出手法を提案する。
提案手法の有効性をTwitter,Instagram,Tumblrで評価した。
論文 参考訳(メタデータ) (2024-05-07T14:52:34Z) - Safety-compliant Generative Adversarial Networks for Human Trajectory
Forecasting [95.82600221180415]
群衆における人間予測は、社会的相互作用をモデル化し、衝突のないマルチモーダル分布を出力するという課題を提示する。
SGANv2は、動き時間相互作用モデリングと変圧器に基づく識別器設計を備えた安全に配慮したSGANアーキテクチャである。
論文 参考訳(メタデータ) (2022-09-25T15:18:56Z) - Bayesian community detection for networks with covariates [16.230648949593153]
科学界でもっとも注目されているのは「コミュニティ検出」である。
共依存型ランダムパーティションを持つブロックモデルを提案する。
本モデルでは, 後部推測により, コミュニティの数を知ることができる。
論文 参考訳(メタデータ) (2022-03-04T01:58:35Z) - 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) - Harnessing Perceptual Adversarial Patches for Crowd Counting [92.79051296850405]
群衆のカウントは、物理的な世界の敵の例に弱い。
本稿では,モデル間での知覚的特徴の共有を学習するためのPAP(Perceptual Adrial Patch)生成フレームワークを提案する。
論文 参考訳(メタデータ) (2021-09-16T13:51:39Z) - SocialInteractionGAN: Multi-person Interaction Sequence Generation [0.0]
条件付き相互作用生成のための新しい対比アーキテクチャであるSocialInteractionGANを提示する。
本モデルは,再帰型エンコーダデコーダジェネレータネットワークとデュアルストリームディスクリミネータ上に構築する。
提案されたSocialInteractionGANは、対話する人々の高いリアリズムアクションシーケンスを生成することに成功していることを示す。
論文 参考訳(メタデータ) (2021-03-10T08:11:34Z) - Modeling the Evolution of Networks as Shrinking Structural Diversity [0.0]
本稿では、構造的多様性の概念に基づいて、ネットワーク進化のモデルをレビューし、評価する。
多様性は、優先的なアタッチメントモデル、接続性、リンク予測という、ネットワーク進化の3つの原則の根底にあるテーマであることを示す。
論文 参考訳(メタデータ) (2020-09-21T11:30:07Z) - A Multi-Semantic Metapath Model for Large Scale Heterogeneous Network
Representation Learning [52.83948119677194]
大規模不均一表現学習のためのマルチセマンティックメタパス(MSM)モデルを提案する。
具体的には,マルチセマンティックなメタパスに基づくランダムウォークを生成し,不均衡な分布を扱うヘテロジニアスな近傍を構築する。
提案するフレームワークに対して,AmazonとAlibabaの2つの挑戦的なデータセットに対して,体系的な評価を行う。
論文 参考訳(メタデータ) (2020-07-19T22:50:20Z) - Detecting Communities in Heterogeneous Multi-Relational Networks:A
Message Passing based Approach [89.19237792558687]
コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。
我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-04-06T17:36:24Z) - I Know Where You Are Coming From: On the Impact of Social Media Sources
on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。
最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文 参考訳(メタデータ) (2020-02-05T11:10:44Z) - 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。