論文の概要: Analyzing Key Users' behavior trends in Volunteer-Based Networks
- arxiv url: http://arxiv.org/abs/2310.05978v1
- Date: Wed, 4 Oct 2023 06:42:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 03:55:22.579262
- Title: Analyzing Key Users' behavior trends in Volunteer-Based Networks
- Title（参考訳）: ボランティアネットワークにおけるキーユーザ行動傾向の分析
- Authors: Nofar Piterman, Tamar Makov, and Michael Fire
- Abstract要約: 近年,ボランティア型ソーシャルネットワークにおけるボランティアの行動に関する研究が盛んに行われている。
2つの新しいアルゴリズムを開発し、第1は時間とともに重要なユーザー行動パターンを明らかにし、第2は予測モデルを生成する機械学習手法を利用する。
当社のアルゴリズムを評価するために、P2Pフードシェアリングオンラインプラットフォーム上で、240万人以上のユーザーからのデータを利用した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online social networks usage has increased significantly in the last decade
and continues to grow in popularity. Multiple social platforms use volunteers
as a central component. The behavior of volunteers in volunteer-based networks
has been studied extensively in recent years. Here, we explore the development
of volunteer-based social networks, primarily focusing on their key users'
behaviors and activities. We developed two novel algorithms: the first reveals
key user behavior patterns over time; the second utilizes machine learning
methods to generate a forecasting model that can predict the future behavior of
key users, including whether they will remain active donors or change their
behavior to become mainly recipients, and vice-versa. These algorithms allowed
us to analyze the factors that significantly influence behavior predictions.
To evaluate our algorithms, we utilized data from over 2.4 million users on a
peer-to-peer food-sharing online platform. Using our algorithm, we identified
four main types of key user behavior patterns that occur over time. Moreover,
we succeeded in forecasting future active donor key users and predicting the
key users that would change their behavior to donors, with an accuracy of up to
89.6%. These findings provide valuable insights into the behavior of key users
in volunteer-based social networks and pave the way for more effective
communities-building in the future, while using the potential of machine
learning for this goal.
- Abstract（参考訳）: オンラインソーシャルネットワークの利用はここ10年で大幅に増加し、人気は続いている。
複数のソーシャルプラットフォームがボランティアを中心的なコンポーネントとして使用している。
近年,ボランティアネットワークにおけるボランティアの行動が広く研究されている。
本稿では,主にユーザの行動や活動に着目したボランティア型ソーシャルネットワークの開発について検討する。
2つの新しいアルゴリズムを開発した。第1は、キーユーザの行動パターンを時間とともに明らかにする。第2は、機械学習手法を使用して、キーユーザの将来の行動を予測する予測モデルを生成する。
これらのアルゴリズムにより,行動予測に影響を及ぼす要因を分析した。
アルゴリズムを評価するために,peer-to-peerのフードシェアリングオンラインプラットフォーム上で,240万以上のユーザからのデータを利用した。
アルゴリズムを用いて,時間とともに発生する4つの主要なユーザ行動パターンを同定した。
さらに,将来のアクティブ・ドナー・キー利用者の予測や,ドナーの行動を変えるキー利用者の予測にも成功し,その精度は89.6%まで向上した。
これらの発見は、ボランティアベースのソーシャルネットワークにおけるキーユーザーの行動に関する貴重な洞察を与え、この目標のために機械学習の可能性を生かしながら、将来より効果的なコミュニティ構築の道を開く。
関連論文リスト
- 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) - Domain-based user embedding for competing events on social media [4.1245904895794085]
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。
以上の結果から,retweetネットワークから直接発生するユーザ埋め込みと,言語に基づくユーザ埋め込みが期待を下回る結果となった。
これらの結果から,ドメインベースのユーザ埋め込みは,競合イベントに参加するソーシャルメディアユーザを特徴付ける効果的なツールとして有効であることが示唆された。
論文 参考訳（メタデータ） (2023-08-28T18:01:14Z) - Meta-Wrapper: Differentiable Wrapping Operator for User Interest
Selection in CTR Prediction [97.99938802797377]
クリックスルー率(CTR)予測は、ユーザーが商品をクリックする確率を予測することを目的としており、リコメンデーションシステムにおいてますます重要になっている。
近年,ユーザの行動からユーザの興味を自動的に抽出する深層学習モデルが大きな成功を収めている。
そこで我々は,メタラッパー(Meta-Wrapper)と呼ばれるラッパー手法の枠組みに基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2022-06-28T03:28:15Z) - Who will stay? Using Deep Learning to predict engagement of citizen
scientists [79.9502177222504]
我々は,スウェーデンの海洋プロジェクトにおける市民科学者の関与を予測するために,ディープニューラルネットワークモデルを構築した。
結果に基づいて、将来のセッションでアノテータがアクティブになるかどうかを予測することができる。
私たちのモデルは、Deep Neural Networksの使用とボランティアアノテーションのシーケンスにあります。
論文 参考訳（メタデータ） (2022-04-28T13:27:21Z) - Preference Enhanced Social Influence Modeling for Network-Aware Cascade
Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。
エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文 参考訳（メタデータ） (2022-04-18T09:25:06Z) - 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) - Privacy-Preserving Learning of Human Activity Predictors in Smart
Environments [5.981641988736108]
我々は、最先端のディープニューラルネットワークに基づく手法を用いて、予測された人間の活動モデルを学ぶ。
我々の研究の新たな側面は、学習者が利用できるデータの時間的進化と、利用者が共有するデータを注意深く追跡することである。
論文 参考訳（メタデータ） (2021-01-17T01:04:53Z) - 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) - 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。