論文の概要: Timescale-agnostic characterisation for collective attention events
- arxiv url: http://arxiv.org/abs/2411.11500v1
- Date: Mon, 18 Nov 2024 12:01:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-19 14:34:08.528113
- Title: Timescale-agnostic characterisation for collective attention events
- Title（参考訳）: 集団的注意イベントの時間スケール非依存的特徴化
- Authors: Tristan J. B. Cann, Iain S. Weaver, Hywel T. P. Williams,
- Abstract要約: Twitter上のハッシュタグの使用には,トピックに対する注意パターンの異なる4つの特徴がある。
本研究では,これらの現象の発生に影響を及ぼす要因を調べるため,エージェントベースモデルを構築した。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Online communications, and in particular social media, are a key component of how society interacts with and promotes content online. Collective attention on such content can vary wildly. The majority of breaking topics quickly fade into obscurity after only a handful of interactions, while the possibility exists for content to ``go viral'', seeing sustained interaction by large audiences over long periods. In this paper we investigate the mechanisms behind such events and introduce a new representation that enables direct comparison of events over diverse time and volume scales. We find four characteristic behaviours in the usage of hashtags on Twitter that are indicative of different patterns of attention to topics. We go on to develop an agent-based model for generating collective attention events to test the factors affecting emergence of these phenomena. This model can reproduce the characteristic behaviours seen in the Twitter dataset using a small set of parameters, and reveal that three of these behaviours instead represent a continuum determined by model parameters rather than discrete categories. These insights suggest that collective attention in social systems develops in line with a set of universal principles independent of effects inherent to system scale, and the techniques we introduce here present a valuable opportunity to infer the possible mechanisms of attention flow in online communications.
- Abstract（参考訳）: オンラインコミュニケーション、特にソーシャルメディアは、社会がオンラインコンテンツとどのように相互作用し、促進するかの鍵となる要素である。
このような内容に対する集団的注意は、大きく変化する可能性がある。
破壊的な話題の大部分は、ほんのわずかのインタラクションの後、すぐに不明瞭さに陥り、コンテンツが 'go viral''' になる可能性があり、長い期間にわたって大観衆によって持続的な相互作用が見られた。
本稿では,このような事象の背後にあるメカニズムを考察し,様々な時間と体積の規模でイベントを直接比較できる新しい表現を提案する。
Twitter上のハッシュタグの使用には,トピックに対する注意パターンの異なる4つの特徴がある。
我々は,これらの現象の発生に影響を及ぼす要因を調べるために,集合的注意イベントを生成するエージェントベースモデルの開発を続けている。
このモデルは、小さなパラメータセットを使用してTwitterデータセットで見られる特徴的振る舞いを再現することができ、これらの挙動のうち3つは、離散カテゴリではなくモデルパラメータによって決定される連続体を表す。
これらの知見は, 社会システムにおける集団的注意が, システムスケールに固有の影響とは無関係に, 普遍的な原則の集合に沿って発展していくことを示唆するものであり, ここで紹介する手法は, オンラインコミュニケーションにおける注意フローのメカニズムを推測する貴重な機会となる。
関連論文リスト
- Characterizing User Archetypes and Discussions on Scored.co [0.6321194486116923]
ソーシャルハイパーネットワークにおけるノードとハイパーエッジを特徴付けるためのフレームワークを提案する。
Scored.coに焦点をあてる。
本研究は,社会的ダイナミクスの理解における高次相互作用の重要性を浮き彫りにした。
論文 参考訳（メタデータ） (2024-07-31T17:18:25Z) - Emergence of Scale-Free Networks in Social Interactions among Large
Language Models [0.43967817176834806]
GPT3.5-turbo を言語モデルとして,複数の生成因子の相互作用を解析した。
エージェントの改名によってトークンの先行値が削除され、ランダムネットワークからより現実的なスケールフリーネットワークまで、モデルが様々なネットワークを生成できることを示す。
論文 参考訳（メタデータ） (2023-12-11T18:43:16Z) - Learning Self-Modulating Attention in Continuous Time Space with
Applications to Sequential Recommendation [102.24108167002252]
本稿では,複雑で非線形に進化する動的ユーザの嗜好をモデル化する,自己変調型注意ネットワークを提案する。
提案手法がトップNシーケンシャルなレコメンデーションタスクに与える影響を実証的に示すとともに,3つの大規模実世界のデータセットによる結果から,我々のモデルが最先端のパフォーマンスを達成できることを示す。
論文 参考訳（メタデータ） (2022-03-30T03:54:11Z) - Twitter Referral Behaviours on News Consumption with Ensemble Clustering
of Click-Stream Data in Turkish Media [2.9005223064604078]
本研究は,Twitter のレファレンスに追随するニュース消費パターンを識別するために,組織ウェブサイトにおける読者のクリック活動について調査する。
調査は、ログデータをニュースコンテンツとリンクして洞察を深めることで、幅広い視点に展開されている。
論文 参考訳（メタデータ） (2022-02-04T09:57:13Z) - SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian
Trajectory Prediction [59.064925464991056]
ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。
SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。
公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
論文 参考訳（メタデータ） (2021-12-05T01:49:18Z) - Efficient Modelling Across Time of Human Actions and Interactions [92.39082696657874]
3つの畳み込みニューラルネットワーク(CNND)における現在の固定サイズの時間的カーネルは、入力の時間的変動に対処するために改善できると主張している。
我々は、アーキテクチャの異なるレイヤにまたがる機能の違いを強化することで、アクションのクラス間でどのようにうまく対処できるかを研究する。
提案手法は、いくつかのベンチマークアクション認識データセットで評価され、競合する結果を示す。
論文 参考訳（メタデータ） (2021-10-05T15:39:11Z) - Dynamic Hawkes Processes for Discovering Time-evolving Communities'
States behind Diffusion Processes [57.22860407362061]
拡散プロセスの背後にあるコミュニティ状態の基盤となるダイナミクスを捉えることができる新しいホークスプロセスモデルを提案する。
提案手法はDHPと呼ばれ、時間発展するコミュニティの状態の複雑な表現を学習するための柔軟な方法を提供する。
論文 参考訳（メタデータ） (2021-05-24T08:35:48Z) - Modeling Collective Anticipation and Response on Wikipedia [1.299941371793082]
本研究では,概日リズムとともに,予測的成長と集団的注意の崩壊といった重要な特徴を取り入れ,人気ピーク周辺のダイナミクスを記述するモデルを提案する。
我々の研究は、注意の時間的パターンとそれらが表す事象の特徴的基盤情報との関連性だけでなく、集合的注意のすべてのフェーズを適切にモデル化することの重要性を示す。
論文 参考訳（メタデータ） (2021-05-23T09:51:32Z) - AttentionFlow: Visualising Influence in Networks of Time Series [80.61555138658578]
本稿では,時系列のネットワークと,それらが相互に持つ動的影響を可視化する新しいシステムであるAttentionFlowを紹介する。
曲の注目度は、大賞などの外部イベントや、新曲のリリースなどのネットワークの変化によって説明できることを示す。
AttentionFlowは、道路ネットワークのような物理的なインフラ上の時系列のネットワークや、気象や地質測定のような自然現象を可視化するために一般化することができる。
論文 参考訳（メタデータ） (2021-02-03T09:44:46Z) - Cross-Media Keyphrase Prediction: A Unified Framework with
Multi-Modality Multi-Head Attention and Image Wordings [63.79979145520512]
マルチメディア投稿におけるキーワード予測におけるテキストと画像の併用効果について検討する。
複雑なマルチメディアインタラクションを捉えるために,M3H-Att(Multi-Modality Multi-Head Attention)を提案する。
我々のモデルは,従来の注目ネットワークに基づいて,過去の技術状況よりも大幅に優れていた。
論文 参考訳（メタデータ） (2020-11-03T08:44:18Z) - Improving Cyberbully Detection with User Interaction [34.956581421295]
本稿では,ユーザインタラクションの時間的ダイナミクスとトピックコヒーレンスをモデル化するためのグラフベース手法を提案する。
我々は,セッションレベルのいじめ検出とコメントレベルの事例スタディのタスクにより,アプローチの有効性を実証的に評価した。
論文 参考訳（メタデータ） (2020-11-01T08:47:33Z)
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。