Fugu-MT 論文翻訳(概要): High-Dimensional Tail Index Regression: with An Application to Text Analyses of Viral Posts in Social Media

論文の概要: High-Dimensional Tail Index Regression: with An Application to Text Analyses of Viral Posts in Social Media

arxiv url: http://arxiv.org/abs/2403.01318v1
Date: Sat, 2 Mar 2024 21:37:40 GMT
ステータス: 処理完了
システム内更新日: 2024-03-05 14:21:00.480742
Title: High-Dimensional Tail Index Regression: with An Application to Text Analyses of Viral Posts in Social Media
Title（参考訳）: 高次元土壌指数回帰 : ソーシャルメディアにおけるウイルスポストのテキスト解析への応用
Authors: Yuya Sasaki, Jing Tao, Yulong Wang
Abstract要約: 正規化推定器を提案し、その整合性を確立し、収束率を導出する。そこで本研究では,正規化推定を偏り,非偏り推定器の正規性を確立することを提案する。これらの方法は、LGBTQ+に関するX(旧Twitter)のバイラルポストのテキスト解析に応用される。
参考スコア（独自算出の注目度）: 21.647501478382747
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Motivated by the empirical power law of the distributions of credits (e.g., the number of "likes") of viral posts in social media, we introduce the high-dimensional tail index regression and methods of estimation and inference for its parameters. We propose a regularized estimator, establish its consistency, and derive its convergence rate. To conduct inference, we propose to debias the regularized estimate, and establish the asymptotic normality of the debiased estimator. Simulation studies support our theory. These methods are applied to text analyses of viral posts in X (formerly Twitter) concerning LGBTQ+.
Abstract（参考訳）: ソーシャルメディアにおけるバイラルポストのクレジット(例えば「いいね」の数)の分布に関する経験的パワー法則に動機づけられ,高次元末尾指数回帰とそのパラメータの推定と推定の方法を紹介する。正規化推定器を提案し,その一貫性を確立し,収束率を導出する。そこで本研究では,正規化推定を脱バイアス化し,脱バイアス推定器の漸近正規性を確立することを提案する。シミュレーション研究は私たちの理論を支持します。これらの方法は、LGBTQ+に関するX(旧Twitter)のバイラルポストのテキスト解析に適用される。

関連論文リスト

Semi-Supervised Deep Sobolev Regression: Estimation, Variable Selection and Beyond [3.782392436834913]
本研究では,半教師付き深部ソボレフ回帰器であるSDOREを提案し,基礎となる回帰関数とその勾配を非パラメトリックに推定する。我々は、SDOREの収束率を総合的に分析し、回帰関数の最小値の最適値を確立する。また、重要なドメインシフトが存在する場合でも、関連するプラグイン勾配推定器の収束率を導出する。
論文参考訳（メタデータ） (2024-01-09T13:10:30Z)
Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
論文参考訳（メタデータ） (2023-10-12T10:56:25Z)
Understanding Augmentation-based Self-Supervised Representation Learning via RKHS Approximation and Regression [53.15502562048627]
最近の研究は、自己教師付き学習とグラフラプラシアン作用素のトップ固有空間の近似との関係を構築している。この研究は、増強に基づく事前訓練の統計的分析に発展する。
論文参考訳（メタデータ） (2023-06-01T15:18:55Z)
Testing Causality for High Dimensional Data [15.818502261466403]
本研究では,高次元の2つの確率変数間の因果方向を推定するために,エンフィナールトレース法を再検討する。我々は、ある分布仮定の下でより鋭い信頼境界を持つ非線形トレース汎函数に結果を拡張する。我々は,合成データセットに関する実験を奨励し,理論的結果を支持する。
論文参考訳（メタデータ） (2023-03-14T10:25:56Z)
Tensor-on-Tensor Regression: Riemannian Optimization, Over-parameterization, Statistical-computational Gap, and Their Interplay [9.427635404752936]
テンソル・オン・テンソル回帰(tensor-on-tensor regression)について検討し、テンソル応答とテンソル共変量とをタッカー階数パラメータ/行列で結合する。我々は、未知の階級の課題に対処する2つの方法を提案する。一般テンソル・オン・テンソル回帰に対する最初の収束保証を提供する。
論文参考訳（メタデータ） (2022-06-17T13:15:27Z)
Nonconvex Stochastic Scaled-Gradient Descent and Generalized Eigenvector Problems [98.34292831923335]
オンライン相関解析の問題から,emphStochastic Scaled-Gradient Descent (SSD)アルゴリズムを提案する。我々はこれらのアイデアをオンライン相関解析に適用し、局所収束率を正規性に比例した最適な1時間スケールのアルゴリズムを初めて導いた。
論文参考訳（メタデータ） (2021-12-29T18:46:52Z)
Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文参考訳（メタデータ） (2021-08-25T21:30:27Z)
Near-optimal inference in adaptive linear regression [60.08422051718195]
最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
論文参考訳（メタデータ） (2021-07-05T21:05:11Z)
Projected Statistical Methods for Distributional Data on the Real Line with the Wasserstein Metric [0.0]
本研究では,実線上の確率分布のデータセットに関する統計解析を行うための,新規な予測手法を提案する。特に主成分分析(PCA)と回帰に重点を置いています。モデルのいくつかの理論的性質が研究され、一貫性が証明される。
論文参考訳（メタデータ） (2021-01-22T10:24:49Z)
Estimation, Confidence Intervals, and Large-Scale Hypotheses Testing for High-Dimensional Mixed Linear Regression [9.815103550891463]
本稿では,2つの線形回帰モデルのうちの1つから出力変数が得られた高次元混合線形回帰(MLR)について検討する。本稿では, 2つの回帰ベクトルを推定し, その収束率を確立するための反復的手順を提案する。回帰係数をテストするために大規模な多重検定手法を提案し, アルゴリズムによって偽発見率(FDR)を制御できることが示されている。
論文参考訳（メタデータ） (2020-11-06T21:17:41Z)
Path Sample-Analytic Gradient Estimators for Stochastic Binary Networks [78.76880041670904]
二進的アクティベーションや二進的重みを持つニューラルネットワークでは、勾配降下によるトレーニングは複雑である。そこで本研究では,サンプリングと解析近似を併用した新しい推定法を提案する。勾配推定において高い精度を示し、深部畳み込みモデルにおいてより安定かつ優れた訓練を行うことを示す。
論文参考訳（メタデータ） (2020-06-04T21:51:21Z)

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。