論文の概要: Domain-based user embedding for competing events on social media

• arxiv url: http://arxiv.org/abs/2308.14806v3
• Date: Mon, 20 Oct 2025 03:18:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:01.324589
• Title: Domain-based user embedding for competing events on social media
• Title（参考訳）: ソーシャルメディア上での競合イベントへのドメインベースユーザ埋め込み
• Authors: Wentao Xu, Kazutoshi Sasahara,
• Abstract要約: 本稿では,URLドメイン共起ネットワークに基づくユーザ埋め込み手法を提案する。 このアプローチは、政治的キャンペーンや公衆衛生危機などの競合イベントに関わるソーシャルメディア利用者を効果的に表現する。
• 参考スコア（独自算出の注目度）: 4.984601297028257
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social divide and polarization have become significant societal issues. To understand the mechanisms behind these phenomena, social media analysis offers research opportunities in computational social science, where developing effective user embedding methods is essential for subsequent analysis. Traditionally, researchers have used predefined network-based user features (e.g., network size, degree, and centrality measures). However, because such measures may not capture the complex characteristics of social media users, in our study we developed a method for embedding users based on a URL domain co-occurrence network. This approach effectively represents social media users involved in competing events such as political campaigns and public health crises. We assessed the method's performance using binary classification tasks and datasets that covered topics associated with the COVID-19 infodemic, such as QAnon, Biden, and Ivermectin, among Twitter users. Our results revealed that user embeddings generated directly from the retweet network and/or based on language performed below expectations, whereas our domain-based embeddings outperformed those methods while reducing computation time. Therefore, domain-based embedding offers an accessible and effective method for characterizing social media users in competing events.
• Abstract（参考訳）: 社会的分断と分極は社会的な問題となっている。 これらの現象の背後にあるメカニズムを理解するために、ソーシャルメディア分析は計算社会科学における研究の機会を提供する。 伝統的に、研究者は事前に定義されたネットワークベースのユーザー機能(例えば、ネットワークサイズ、度数、集中度測定)を使用してきた。 しかし,このような対策はソーシャルメディア利用者の複雑な特徴を捉えない可能性があるため,本研究では,URLドメイン共起ネットワークに基づくユーザ埋め込み手法を開発した。 このアプローチは、政治的キャンペーンや公衆衛生危機などの競合イベントに関わるソーシャルメディア利用者を効果的に表現する。 QAnon, Biden, Ivermectinなど, COVID-19インフォデミックに関連するトピックをカバーしたバイナリ分類タスクとデータセットを用いて, 評価を行った。 以上の結果から,retweetネットワークから直接生成されたユーザ埋め込みや,期待を下回る言語に基づいて生成されたユーザ埋め込みが,ドメインベースの埋め込みは計算時間を短縮しつつ,これらの手法よりも優れていたことが明らかとなった。 したがって、ドメインベースの埋め込みは、競合するイベントにおいてソーシャルメディアユーザーを特徴づける、アクセスしやすく効果的な方法を提供する。

関連論文リスト

• Leveraging the Power of AI and Social Interactions to Restore Trust in Public Polls [0.0]
  伝統的なポーリングの手法は、ここ数十年で顕著な減少を見せている。 ソーシャルネットワークとピアツーピアネットワークはますます普及しているが、これらのプラットフォームからのデータは信頼性の問題に悩まされる可能性がある。 本稿では,AIを用いたソーシャルインタラクションのグラフ解析により,ポーリング作業における不適格な参加を検出するための実証的研究について述べる。
  論文  参考訳（メタデータ） (2025-11-10T20:06:32Z)
• Evaluating Cognitive-Behavioral Fixation via Multimodal User Viewing Patterns on Social Media [52.313084466769375]
  本稿では,ユーザのマルチモーダルなソーシャルメディアエンゲージメントパターンを分析し,認知行動の定着を評価する新しい枠組みを提案する。 既存のベンチマークと、新しくキュレートされたマルチモーダルデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2025-09-05T05:50:00Z)
• SCRAG: Social Computing-Based Retrieval Augmented Generation for Community Response Forecasting in Social Media Environments [8.743208265682014]
  SCRAGは、ソーシャルコンピューティングにインスパイアされた予測フレームワークである。 リアルまたは仮説的なソーシャルメディア投稿に対するコミュニティの反応を予測する。 公開関係の専門家が意図しない誤解を避ける方法でメッセージを作成するために使用することができる。
  論文  参考訳（メタデータ） (2025-04-18T15:02:31Z)
• Modeling Social Media Recommendation Impacts Using Academic Networks: A Graph Neural Network Approach [4.138915764680197]
  本研究では,学術ソーシャルネットワークをソーシャルメディアにおけるレコメンデーションシステム調査のプロキシとして活用することを提案する。 グラフニューラルネットワーク(GNN)を用いて,学術情報圏の予測と行動予測を分離するモデルを構築する。 提案手法は,レコメンデーションシステムの役割とソーシャルネットワークのモデリングに関する理解を深めることを目的としている。
  論文  参考訳（メタデータ） (2024-10-06T17:03:27Z)
• Verified authors shape X/Twitter discursive communities [0.24999074238880484]
  X/Twitter上でのイデオロギー/分散コミュニティのコアは,最も情報に富むインタラクションを明らかにすることで,効果的に識別できることを示す。 この分析は、2022年のイタリアにおける主要な政治出来事に関連する3つのX/Twitterデータセットを考慮して行われる。
  論文  参考訳（メタデータ） (2024-05-08T09:04:46Z)
• SoMeR: Multi-View User Representation Learning for Social Media [1.7949335303516192]
  本稿では,ソーシャルメディアのユーザ表現学習フレームワークであるSoMeRを提案する。 SoMeRは、ユーザ投稿ストリームをタイムスタンプ付きテキスト機能のシーケンスとしてエンコードし、トランスフォーマーを使用してプロファイルデータと共にそれを埋め込み、リンク予測とコントラスト学習の目標を共同でトレーニングする。 1)類似コンテンツを同時に投稿するユーザを検出することによって、協調的な影響操作に関わる不正確なアカウントを同定し、2)異なる信念を持つユーザがより遠くへ移動する様子を定量化して、主要なイベント後のオンライン議論における偏光の増大を測定する。
  論文  参考訳（メタデータ） (2024-05-02T22:26:55Z)
• 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)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Ranking-based Group Identification via Factorized Attention on Social Tripartite Graph [68.08590487960475]
  グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。 我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。 データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
  論文  参考訳（メタデータ） (2022-11-02T01:42:20Z)
• Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
  プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。 特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。 ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
  論文  参考訳（メタデータ） (2022-09-04T06:22:37Z)
• Content Popularity Prediction in Fog-RANs: A Clustered Federated Learning Based Approach [66.31587753595291]
  本稿では,ローカルユーザとモバイルユーザの両面からコンテンツの人気度を統合した,モビリティに配慮した新しい人気予測ポリシーを提案する。 ローカルユーザにとって、コンテンツの人気は、ローカルユーザやコンテンツの隠された表現を学習することによって予測される。 モバイルユーザーにとって、コンテンツの人気はユーザー好みの学習によって予測される。
  論文  参考訳（メタデータ） (2022-06-13T03:34:00Z)
• Improved Topic modeling in Twitter through Community Pooling [0.0]
  Twitterの投稿は短いが、他のテキストよりも一貫性が低いことが多い。 著者が同じコミュニティに属しているツイートをグループ化する,トピックモデリングのための新しいプール方式を提案する。 その結果、我々のコミュニティポーリング手法は、2つの異種データセットの指標の大部分において、他の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-12-20T17:05:32Z)
• Learning from Heterogeneous Data Based on Social Interactions over Graphs [58.34060409467834]
  本研究では,個別のエージェントが異なる次元のストリーミング特徴を観察しながら分類問題の解決を目指す分散アーキテクチャを提案する。 私たちはそれを示します。 戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。 私たちはそれを示します。 戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。
  論文  参考訳（メタデータ） (2021-12-17T12:47:18Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Harnessing the Power of Ego Network Layers for Link Prediction in Online Social Networks [0.734084539365505]
  予測は典型的には教師なしまたは教師なしの学習に基づいている。 個人の社会的構造に関するより豊かな情報は、より良い予測につながるかもしれないと我々は主張する。 社会的認識が予測性能に大きな改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-09-19T18:49:10Z)
• SOK: Seeing and Believing: Evaluating the Trustworthiness of Twitter Users [4.609388510200741]
  現在、どのニュースやユーザーが信頼できるか、どれがそうでないかを自動で判断する方法はない。 本研究では、Twitter上で5万人の政治家の行動を分析するモデルを作成しました。 政治Twitterのユーザを、ランダムな森林、多層パーセプトロン、サポートベクターマシンを使って、信頼あるいは信頼できないと分類した。
  論文  参考訳（メタデータ） (2021-07-16T17:39:32Z)
• Locate Who You Are: Matching Geo-location to Text for Anchor Link Prediction [40.654494490237]
  ネットワーク間のユーザマッチングのための新しいアンカーリンク予測フレームワークを提案する。 提案手法は既存の手法より優れ,最先端の結果が得られる。
  論文  参考訳（メタデータ） (2021-04-19T08:15:28Z)
• CommuNety: A Deep Learning System for the Prediction of Cohesive Social Communities [14.839117147209603]
  画像を用いた結束型ソーシャルネットワーク予測のための深層学習システムCommuNetyを提案する。 提案したディープラーニングモデルは階層型CNNアーキテクチャで構成され,各結合ネットワークに関連する記述的特徴を学習する。 また、画像中の人物の存在を定量化するための新しい顔共起周波数アルゴリズムと、予測されたソーシャルネットワークにおける個人間の関係の強さを分析する新しい写真ランキング手法を提案する。
  論文  参考訳（メタデータ） (2020-07-29T11:03:22Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• 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。