論文の概要: BlueTempNet: A Temporal Multi-network Dataset of Social Interactions in Bluesky Social
- arxiv url: http://arxiv.org/abs/2407.17451v1
- Date: Wed, 24 Jul 2024 17:31:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-25 12:55:41.694503
- Title: BlueTempNet: A Temporal Multi-network Dataset of Social Interactions in Bluesky Social
- Title（参考訳）: BlueTempNet:Bluesky Socialにおけるソーシャルインタラクションの時間的マルチネットワークデータセット
- Authors: Ujun Jeong, Bohan Jiang, Zhen Tan, H. Russell Bernard, Huan Liu,
- Abstract要約: ユーザ主導型ソーシャルインタラクションの時間的ダイナミクスの最初のコレクションを提示する。
既存のBluesky Feedsを収集し、これらのフィードを気に入ったユーザーを含む。
このデータ収集戦略は過去のユーザの振る舞いを捉え、将来のユーザの振る舞いのデータ収集をサポートする。
- 参考スコア（独自算出の注目度）: 14.829021021698349
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Decentralized social media platforms like Bluesky Social (Bluesky) have made it possible to publicly disclose some user behaviors with millisecond-level precision. Embracing Bluesky's principles of open-source and open-data, we present the first collection of the temporal dynamics of user-driven social interactions. BlueTempNet integrates multiple types of networks into a single multi-network, including user-to-user interactions (following and blocking users) and user-to-community interactions (creating and joining communities). Communities are user-formed groups in custom Feeds, where users subscribe to posts aligned with their interests. Following Bluesky's public data policy, we collect existing Bluesky Feeds, including the users who liked and generated these Feeds, and provide tools to gather users' social interactions within a date range. This data-collection strategy captures past user behaviors and supports the future data collection of user behavior.
- Abstract（参考訳）: Bluesky Social(Bluesky)のような分散ソーシャルメディアプラットフォームは、ミリ秒レベルの精度で、いくつかのユーザの振る舞いを公開可能にする。
オープン・ソースとオープン・データというブルースキーの原則を取り入れた,ユーザ主導のソーシャルインタラクションの時間的ダイナミクスの最初のコレクションを提示する。
BlueTempNetは、ユーザ間インタラクション(ユーザ追跡とブロック)やユーザ間インタラクション(コミュニティの作成と結合)など、複数のタイプのネットワークを単一のマルチネットワークに統合する。
コミュニティはカスタムフィードのユーザー形成グループで、ユーザーは興味のある投稿を購読する。
Blueskyの公開データポリシーに従って、これらのフィードを好んで生成したユーザを含む既存のBluesky Feedsを収集し、日付範囲内でユーザのソーシャルインタラクションを収集するツールを提供します。
このデータ収集戦略は過去のユーザの振る舞いを捉え、将来のユーザの振る舞いのデータ収集をサポートする。
関連論文リスト
- SocialRec: User Activity Based Post Weighted Dynamic Personalized Post Recommendation System in Social Media [5.5997926295092295]
我々は、さまざまなトピックに関する投稿やエンゲージメントを含む、時間の経過とともにユーザー履歴を分析します。
ユーザのプロフィールを考慮し、彼らの活動とソーシャルメディアプラットフォームとの間のつながりを求める。
論文 参考訳（メタデータ） (2024-07-13T02:46:37Z) - Community Detection for Heterogeneous Multiple Social Networks [6.863667633281842]
コミュニティは、ソーシャルネットワークにおけるユーザー行動とネットワーク特性を理解する上で重要な役割を担っている。
本稿では,複数ソーシャルネットワークを対象とした非負行列三要素化に基づくコミュニティ検出手法を提案する。
提案手法の有効性をTwitter,Instagram,Tumblrで評価した。
論文 参考訳（メタデータ） (2024-05-07T14:52:34Z) - 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) - "I'm in the Bluesky Tonight": Insights from a Year Worth of Social Data [0.18416014644193066]
本稿では,Bluesky Socialのソーシャルインタラクションとユーザ生成コンテンツの大規模かつ高包括的データセットを提案する。
データセットには400万以上のユーザ(すべての登録アカウントの81%)の完全なポスト履歴が含まれており、総投稿数は235万である。
論文 参考訳（メタデータ） (2024-04-29T16:43:39Z) - 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) - Federated Social Recommendation with Graph Neural Network [69.36135187771929]
本稿では,ソーシャル情報とユーザ・イテムの相互作用を融合させることにより,ソーシャル・レコメンデーションの問題であるソーシャル・リコメンデーションの緩和を提案する。
我々は textbfGraph Neural Network (FeSoG) を用いた textbfFedrated textbfSocial 推薦フレームワークを考案した。
論文 参考訳（メタデータ） (2021-11-21T09:41:39Z) - Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文 参考訳（メタデータ） (2021-11-11T19:40:51Z) - Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。
高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
論文 参考訳（メタデータ） (2021-03-16T11:08:30Z) - 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。