論文の概要: SocFedGPT: Federated GPT-based Adaptive Content Filtering System Leveraging User Interactions in Social Networks
- arxiv url: http://arxiv.org/abs/2408.05243v1
- Date: Wed, 7 Aug 2024 20:05:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-13 19:54:11.790400
- Title: SocFedGPT: Federated GPT-based Adaptive Content Filtering System Leveraging User Interactions in Social Networks
- Title（参考訳）: SocFedGPT:ソーシャルネットワークにおけるユーザインタラクションを活用したGPTベースの適応コンテンツフィルタリングシステム
- Authors: Sai Puppala, Ismail Hossain, Md Jahangir Alam, Sajedul Talukder,
- Abstract要約: 我々は、プライバシとセキュリティのためのフェデレーション学習を利用して、パーソナライズされたGPTおよびコンテキストベースのソーシャルメディアLLMモデルを導入する。
4つのクライアントエンティティがベースGPT-2モデルとローカルに収集されたソーシャルメディアデータを受信し、統合アグリゲーションにより最新のモデルメンテナンスが保証される。
定量的なソーシャルエンゲージメントアプローチは、行列因数分解技術と相まって、パーソナライズされたコンテンツ提案をリアルタイムで促進する。
- 参考スコア（独自算出の注目度）: 5.5997926295092295
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Our study presents a multifaceted approach to enhancing user interaction and content relevance in social media platforms through a federated learning framework. We introduce personalized GPT and Context-based Social Media LLM models, utilizing federated learning for privacy and security. Four client entities receive a base GPT-2 model and locally collected social media data, with federated aggregation ensuring up-to-date model maintenance. Subsequent modules focus on categorizing user posts, computing user persona scores, and identifying relevant posts from friends' lists. A quantifying social engagement approach, coupled with matrix factorization techniques, facilitates personalized content suggestions in real-time. An adaptive feedback loop and readability score algorithm also enhance the quality and relevance of content presented to users. Our system offers a comprehensive solution to content filtering and recommendation, fostering a tailored and engaging social media experience while safeguarding user privacy.
- Abstract（参考訳）: 本研究では,ソーシャルメディアプラットフォームにおけるユーザインタラクションとコンテンツ関連性を高めるための多面的アプローチを,フェデレート学習フレームワークを通じて提案する。
我々は、プライバシとセキュリティのためのフェデレーション学習を利用して、パーソナライズされた GPT と Context ベースのソーシャルメディア LLM モデルを導入する。
4つのクライアントエンティティがベースGPT-2モデルとローカルに収集されたソーシャルメディアデータを受信し、統合アグリゲーションにより最新のモデルメンテナンスが保証される。
その後のモジュールは、ユーザー投稿の分類、ユーザーペルソナスコアの計算、友人リストからの関連投稿の特定に重点を置いている。
定量的なソーシャルエンゲージメントアプローチは、行列因数分解技術と相まって、パーソナライズされたコンテンツ提案をリアルタイムで促進する。
適応的なフィードバックループと可読性スコアアルゴリズムにより、ユーザに提示されるコンテンツの品質と関連性も向上する。
我々のシステムは、コンテンツフィルタリングとレコメンデーションに対する包括的なソリューションを提供し、ユーザのプライバシーを保護しながら、調整された、魅力的なソーシャルメディア体験を育みます。
関連論文リスト
- Co-clustering for Federated Recommender System [33.70723179405055]
Federated Recommender System(FRS)は、高品質なレコメンデーションの提供とユーザのプライバシの保護のバランスをとるソリューションを提供する。
パーソナライズされた意思決定パターンによって一般的に観察されるFRSにおける統計的不均一性の存在は、課題を引き起こす可能性がある。
本稿では,Co-clustering Federated RecommendationメカニズムであるCoFedRecを提案する。
論文 参考訳（メタデータ） (2024-11-03T21:32:07Z) - Incorporating Like-Minded Peers to Overcome Friend Data Sparsity in Session-Based Social Recommendations [27.10643133940311]
本稿では,LMPの概念を紹介する。
LMPは、履歴セッションに基づいて、対象ユーザの現在のセッションと好みが一致したユーザを表す。
このアプローチは、友人データのスパシティの問題を軽減するだけでなく、ターゲットのユーザと同じような好みのユーザを効果的に組み込む。
論文 参考訳（メタデータ） (2024-09-04T13:39:12Z) - Personalized Federated Collaborative Filtering: A Variational AutoEncoder Approach [49.63614966954833]
Federated Collaborative Filtering (FedCF)は、プライバシを保護する新しいレコメンデーションフレームワークの開発に焦点を当てた新興分野である。
既存のFedCFメソッドは通常、分散協調フィルタリング(CF)アルゴリズムとプライバシ保護メカニズムを組み合わせて、パーソナライズされた情報をユーザ埋め込みベクタに保存する。
本稿では,ユーザのパーソナライズされた情報を潜在変数とニューラルモデルに同時に保存することで,新たなパーソナライズされたFedCF手法を提案する。
論文 参考訳（メタデータ） (2024-08-16T05:49:14Z) - FLASH: Federated Learning-Based LLMs for Advanced Query Processing in Social Networks through RAG [5.5997926295092295]
このシステムは、多様なソーシャルメディアデータソースをシームレスに集約し、キュレートするように設計されている。
GPTモデルは、プライバシとセキュリティを確保するために、分散データソースに基づいてトレーニングされている。
論文 参考訳（メタデータ） (2024-08-06T22:28:13Z) - EmbSum: Leveraging the Summarization Capabilities of Large Language Models for Content-Based Recommendations [38.44534579040017]
ユーザと候補項目のオフライン事前計算を可能にするフレームワークであるEmbSumを紹介する。
このモデルがユーザ興味の要約を生成する能力は貴重な副産物であり、パーソナライズされたコンテンツレコメンデーションに有用である。
論文 参考訳（メタデータ） (2024-05-19T04:31:54Z) - 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) - Content Popularity Prediction in Fog-RANs: A Clustered Federated
Learning Based Approach [66.31587753595291]
本稿では,ローカルユーザとモバイルユーザの両面からコンテンツの人気度を統合した,モビリティに配慮した新しい人気予測ポリシーを提案する。
ローカルユーザにとって、コンテンツの人気は、ローカルユーザやコンテンツの隠された表現を学習することによって予測される。
モバイルユーザーにとって、コンテンツの人気はユーザー好みの学習によって予測される。
論文 参考訳（メタデータ） (2022-06-13T03:34:00Z) - On the Convergence of Clustered Federated Learning [57.934295064030636]
統合学習システムでは、例えばモバイルデバイスや組織参加者といったクライアントは通常、個人の好みや行動パターンが異なる。
本稿では,クライアントグループと各クライアントを統一最適化フレームワークで活用する,新しい重み付きクライアントベースクラスタリングFLアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-02-13T02:39:19Z) - FedPOIRec: Privacy Preserving Federated POI Recommendation with Social
Influence [0.0]
我々は,プライバシー保護のためのフェデレーション学習アプローチであるFedPOIRecを紹介した。
まず、FedPOIRecフレームワークは、ローカルデータが所有者のデバイスを離れることはないという原則に基づいて構築され、ローカル更新はパラメータサーバによって盲目的に集約される。
我々は、CKKSの完全同型暗号方式の特性を利用して、フェデレーション後のユーザの友人の好みを統合するためのプライバシー保護プロトコルを提案する。
論文 参考訳（メタデータ） (2021-12-21T12:11:39Z) - 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)
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。