論文の概要: Persistent Homology generalizations for Social Media Network Analysis
- arxiv url: http://arxiv.org/abs/2404.19257v1
- Date: Tue, 30 Apr 2024 04:44:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-01 15:23:59.547928
- Title: Persistent Homology generalizations for Social Media Network Analysis
- Title（参考訳）: ソーシャルメディアネットワーク分析のための永続的ホモロジー一般化
- Authors: Isabela Rocha,
- Abstract要約: 本研究では、トポロジカルデータ分析のレンズを通して、ソーシャルメディアが収集した政治データを分析するためのアプローチについて詳述する。
私はそれぞれのカテゴリーを数学的に特徴付け、その特徴的なトポロジ的特徴をカプセル化しています。
本研究で開発された双極子・核・多極子コンステレーションの数学的一般化は、他の政治科学デジタルメディア研究者に刺激を与えるように設計されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study details an approach for the analysis of social media collected political data through the lens of Topological Data Analysis, with a specific focus on Persistent Homology and the political processes they represent by proposing a set of mathematical generalizations using Gaussian functions to define and analyze these Persistent Homology categories. Three distinct types of Persistent Homologies were recurrent across datasets that had been plotted through retweeting patterns and analyzed through the k-Nearest-Neighbor filtrations. As these Persistent Homologies continued to appear, they were then categorized and dubbed Nuclear, Bipolar, and Multipolar Constellations. Upon investigating the content of these plotted tweets, specific patterns of interaction and political information dissemination were identified, namely Political Personalism and Political Polarization. Through clustering and application of Gaussian density functions, I have mathematically characterized each category, encapsulating their distinctive topological features. The mathematical generalizations of Bipolar, Nuclear, and Multipolar Constellations developed in this study are designed to inspire other political science digital media researchers to utilize these categories as to identify Persistent Homology in datasets derived from various social media platforms, suggesting the broader hypothesis that such structures are bound to be present on political scraped data regardless of the social media it's derived from. This method aims to offer a new perspective in Network Analysis as it allows for an exploration of the underlying shape of the networks formed by retweeting patterns, enhancing the understanding of digital interactions within the sphere of Computational Social Sciences.
- Abstract（参考訳）: 本研究では、ソーシャルメディアが収集した政治データをトポロジカル・データ・アナリティクスのレンズを通して分析するためのアプローチについて詳述し、永続的ホモロジーと、それら永続的ホモロジーのカテゴリを定義し解析するためにガウス関数を用いた数学的一般化のセットを提案する。
リツイートパターンによってプロットされ,k-Nearest-Neighbor濾過によって解析されたデータセット間で,3種類の永続化ホモロジーが再帰した。
これらの永遠のホモロジーが出現し続け、それらは分類され、核、双極星、多極星星と命名された。
これらのプロットされたツイートの内容を調べると、特定の相互作用パターンと政治的情報の拡散、すなわち政治パーソナリズムと政治分極が特定された。
ガウス密度関数のクラスタリングと応用を通じて、各カテゴリを数学的に特徴付け、それらの特徴的な位相的特徴をカプセル化してきた。
本研究で開発されたバイポーラ・核・マルチポーラ・コンステレーションの数学的一般化は、ソーシャルメディアプラットフォームから派生したデータセットにおける永続的ホモロジーを識別するために、他の政治科学のデジタルメディア研究者にこれらのカテゴリを利用するよう促すことを目的としており、これらの構造がソーシャルメディアから派生したものに関係なく、政治的スクラップデータ上に存在するというより広い仮説が示唆されている。
本手法は,パターンのリツイートによって形成されるネットワークの基盤となる形状を探索し,計算社会科学領域におけるデジタルインタラクションの理解を高めるため,ネットワーク分析における新たな視点を提供することを目的とする。
関連論文リスト
- Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - Modeling Political Orientation of Social Media Posts: An Extended
Analysis [0.0]
オンラインソーシャルメディア上で政治的分極を特徴付ける機械学習モデルを開発することは、大きな課題である。
これらの課題は主に、注釈付きデータの欠如、ソーシャルメディアデータセットにおけるノイズの存在、膨大な量のデータなど、さまざまな要因に起因している。
本稿では、ソーシャルメディア投稿のラベル付けに、メディアバイアスと投稿コンテンツを活用する2つの方法を紹介する。
ソーシャルメディア投稿の政治的指向を予測することで,現在の機械学習モデルの性能向上を実証する。
論文 参考訳（メタデータ） (2023-11-21T03:34:20Z) - 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) - Aggression and "hate speech" in communication of media users: analysis
of control capabilities [50.591267188664666]
著者らは新メディアにおける利用者の相互影響の可能性を検討した。
新型コロナウイルス(COVID-19)対策として、緊急の社会問題について議論する際、攻撃やヘイトスピーチのレベルが高いことが分かった。
結果は、現代のデジタル環境におけるメディアコンテンツの開発に有用である。
論文 参考訳（メタデータ） (2022-08-25T15:53:32Z) - Topology and geometry of data manifold in deep learning [0.0]
本稿では,ニューラルネットワークの学習過程の幾何学的および位相的視点について述べる。
我々は、さまざまなデータセットと畳み込みニューラルネットワークアーキテクチャの異なる構成に関する幅広い実験を提示する。
我々の研究は、コンピュータビジョンの例を通して、説明可能な、解釈可能なAIの重要な分野の発展に寄与している。
論文 参考訳（メタデータ） (2022-04-19T02:57:47Z) - Survey of Generative Methods for Social Media Analysis [8.070451136537788]
本調査は,ソーシャルメディアデータ解析のための生成手法の研究における,最先端技術(SoTA)の広視野パノラマ図を描いている。
論文 参考訳（メタデータ） (2021-12-13T22:03:40Z) - A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。
この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。
ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文 参考訳（メタデータ） (2021-05-26T14:37:07Z) - A Survey of Embedding Space Alignment Methods for Language and Knowledge
Graphs [77.34726150561087]
単語,文,知識グラフの埋め込みアルゴリズムに関する現在の研究状況について調査する。
本稿では、関連するアライメント手法の分類と、この研究分野で使用されるベンチマークデータセットについて論じる。
論文 参考訳（メタデータ） (2020-10-26T16:08:13Z) - Deep Learning for Community Detection: Progress, Challenges and
Opportunities [79.26787486888549]
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
論文 参考訳（メタデータ） (2020-05-17T11:22:11Z) - Representations, Metrics and Statistics For Shape Analysis of Elastic
Graphs [21.597624908203805]
本稿では,道路網や血管,脳線維路などのグラフィカルな物体の形状を解析するための遠距離幾何学的手法を提案する。
任意の形(エッジ)の曲線で作られ、任意のジャンクション(ノード)で連結されたグラフとして、ジオメトリーとトポロジーの両方の違いを示す、そのような対象を表す。
論文 参考訳（メタデータ） (2020-02-29T16:07:48Z)
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。