論文の概要: The Role of Network and Identity in the Diffusion of Hashtags
- arxiv url: http://arxiv.org/abs/2407.12771v1
- Date: Wed, 17 Jul 2024 17:51:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-18 16:06:20.166636
- Title: The Role of Network and Identity in the Diffusion of Hashtags
- Title（参考訳）: ハッシュタグ拡散におけるネットワークとアイデンティティの役割
- Authors: Aparna Ananthasubramaniam, Yufei Zhu, David Jurgens, Daniel Romero,
- Abstract要約: 本稿では,Twitter上の人気ハッシュタグ1,337の拡散における2つの社会的要因の役割を包括的に調査する。
カスケードはネットワークとアイデンティティの組み合わせでモデル化されるのが最適である。
機能の組み合わせごとにどのハッシュタグが最適かを予測することができ、これを使ってパフォーマンスをさらに向上します。
- 参考スコア（独自算出の注目度）: 15.833910187431155
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Although the spread of behaviors is influenced by many social factors, existing literature tends to study the effects of single factors -- most often, properties of the social network -- on the final cascade. In order to move towards a more integrated view of cascades, this paper offers the first comprehensive investigation into the role of two social factors in the diffusion of 1,337 popular hashtags representing the production of novel culture on Twitter: 1) the topology of the Twitter social network and 2) performance of each user's probable demographic identity. Here, we show that cascades are best modeled using a combination of network and identity, rather than either factor alone. This combined model best reproduces a composite index of ten cascade properties across all 1,337 hashtags. However, there is important heterogeneity in what social factors are required to reproduce different properties of hashtag cascades. For instance, while a combined network+identity model best predicts the popularity of cascades, a network-only model has better performance in predicting cascade growth and an identity-only model in adopter composition. We are able to predict what type of hashtag is best modeled by each combination of features and use this to further improve performance. Additionally, consistent with prior literature on the combined network+identity model most outperforms the single-factor counterfactuals among hashtags used for expressing racial or regional identity, stance-taking, talking about sports, or variants of existing cultural trends with very slow- or fast-growing communicative need. In sum, our results imply the utility of multi-factor models in predicting cascades, in order to account for the varied ways in which network, identity, and other social factors play a role in the diffusion of hashtags on Twitter.
- Abstract（参考訳）: 行動の拡散は多くの社会的要因の影響を受けているが、既存の文献では、最後のカスケードにおける単一要因(多くの場合、ソーシャルネットワークの特性)の影響を研究する傾向にある。
カスケードのより総合的な視点に向けて、Twitter上での新規文化の創出を表す1,337個のハッシュタグの拡散における2つの社会的要因の役割を包括的に調査する。
1)TwitterのトポロジとTwitter
2) 利用者毎の人口統計的同一性の評価について検討した。
ここでは,カスケードはネットワークとアイデンティティの組み合わせでモデル化されるのが最適であることを示す。
この組み合わせモデルは、1,337個のハッシュタグで10個のカスケード特性の複合指数を最もよく再現する。
しかし、ハッシュタグカスケードの異なる性質を再現するために社会的要因が要求されるものには重要な異種性がある。
例えば、組み合わせたネットワーク+アイデンティティモデルはカスケードの人気を最もよく予測するが、ネットワークのみのモデルはカスケードの成長を予測するのに優れた性能と、採用者の構成におけるアイデンティティのみのモデルを持つ。
機能の組み合わせごとにどのハッシュタグが最適かを予測することができ、これを使ってパフォーマンスをさらに向上します。
さらに、ネットワーク+アイデンティティモデルの組み合わせに関する以前の文献は、人種的または地域的なアイデンティティ、スタンステイク、スポーツについて話すこと、あるいは、非常に遅いまたは急速に成長するコミュニケーティブなニーズを持つ既存の文化的トレンドの変種を表現するために使用されるハッシュタグの中で、最も優れている。
以上の結果から,ネットワーク,アイデンティティ,その他の社会的要因がTwitter上のハッシュタグの普及に果たす役割を考慮し,カスケード予測における多要素モデルの有用性が示唆された。
関連論文リスト
- Hierarchical Information Enhancement Network for Cascade Prediction in Social Networks [51.54002032659713]
カスケード予測のための階層型情報拡張ネットワーク(HIENet)を提案する。
本手法では,基本カスケードシーケンス,ユーザソーシャルグラフ,サブカスケードグラフを統合フレームワークに統合する。
論文 参考訳（メタデータ） (2024-03-22T14:57:27Z) - Multi-perspective Memory Enhanced Network for Identifying Key Nodes in Social Networks [51.54002032659713]
ソーシャルネットワークにおけるキーノードを識別する新しいマルチパースペクティブメモリ拡張ネットワーク(MMEN)を提案する。
MMENは複数の視点からキーノードをマイニングし、履歴情報を記憶するためにメモリネットワークを利用する。
我々の手法は過去の方法よりも大幅に優れている。
論文 参考訳（メタデータ） (2024-03-22T14:29:03Z) - Modeling Random Networks with Heterogeneous Reciprocity [9.630755176298056]
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。
論文 参考訳（メタデータ） (2023-08-19T21:21:25Z) - Prototype-Based Layered Federated Cross-Modal Hashing [14.844848099134648]
本稿では,プロトタイプをベースとした層状層状クロスモーダルハッシュ法を提案する。
具体的には、サーバ上のインスタンスとクラス間の類似性を学ぶためにプロトタイプが導入された。
パーソナライズされたフェデレーション学習を実現するために、ハイパーネットワークがサーバ上に展開され、異なるレイヤのローカルモデルの重みを動的に更新する。
論文 参考訳（メタデータ） (2022-10-27T15:11:12Z) - The Lottery Ticket Hypothesis for Self-attention in Convolutional Neural
Network [69.54809052377189]
近年, 深部畳み込みニューラルネットワーク(CNN)の内部情報を活用することにより, モデル一般化の促進を図るために, SAM (Plug-and-play Self-attention Module) が多数提案されている。
a) SAMをすべてのブロックに接続することは、必ずしも最大のパフォーマンス向上をもたらすとは限らないし、部分ブロックに接続する方が、さらによい。 (b) CNNにSAMを追加することは、必ずしもパフォーマンス向上をもたらすものではなく、代わりに元のCNNバックボーンのパフォーマンスに害を与えるかもしれない。
論文 参考訳（メタデータ） (2022-07-16T07:08:59Z) - Networks and Identity Drive Geographic Properties of the Diffusion of
Linguistic Innovation [10.56784112136871]
人口密度とネットワークトポロジはどちらもイノベーションの拡散をモデル化するために必要であることを示す。
私たちの研究は、モデルがイノベーションの導入を理解し、再現するために、両方の要素を統合する必要があることを示唆しています。
論文 参考訳（メタデータ） (2022-02-10T05:17:15Z) - 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) - Fusion of CNNs and statistical indicators to improve image
classification [65.51757376525798]
畳み込みネットワークは過去10年間、コンピュータビジョンの分野を支配してきた。
この傾向を長引かせる主要な戦略は、ネットワーク規模の拡大によるものだ。
我々は、異種情報ソースを追加することは、より大きなネットワークを構築するよりもCNNにとって費用対効果が高いと仮定している。
論文 参考訳（メタデータ） (2020-12-20T23:24:31Z) - Discover Your Social Identity from What You Tweet: a Content Based
Approach [9.1832420869528]
そこで本稿では,Twitterユーザロール識別のための階層型自己認識ニューラルネットワークを提案する。
本実験は,提案モデルが複数のベースラインを著しく上回ることを示す。
論文 参考訳（メタデータ） (2020-03-03T21:13:12Z) - 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。