Fugu-MT 論文翻訳(概要): Traits of a Leader: User Influence Level Prediction through Sociolinguistic Modeling

論文の概要: Traits of a Leader: User Influence Level Prediction through Sociolinguistic Modeling

arxiv url: http://arxiv.org/abs/2501.04046v1
Date: Sun, 05 Jan 2025 22:37:19 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-09 14:56:56.192940
Title: Traits of a Leader: User Influence Level Prediction through Sociolinguistic Modeling
Title（参考訳）: リーダーのトラスト:ソシオリスティックモデリングによるユーザ影響レベルの予測
Authors: Denys Katerenchuk, Rivka Levitan,
Abstract要約: 本研究では,人口統計と人格データを活用することで,ベースラインを大幅に上回るモデルを構築した。このアプローチは、8つの異なるドメインのランクDCGスコアを一貫して改善する。
参考スコア（独自算出の注目度）: 8.890331069484203
License:
Abstract: Recognition of a user's influence level has attracted much attention as human interactions move online. Influential users have the ability to sway others' opinions to achieve some goals. As a result, predicting users' level of influence can help to understand social networks, forecast trends, prevent misinformation, etc. However, predicting user influence is a challenging problem because the concept of influence is specific to a situation or a domain, and user communications are limited to text. In this work, we define user influence level as a function of community endorsement and develop a model that significantly outperforms the baseline by leveraging demographic and personality data. This approach consistently improves RankDCG scores across eight different domains.
Abstract（参考訳）: 人のインタラクションがオンラインに移動するにつれて、ユーザの影響力レベルを認識することが注目されている。影響力のあるユーザには、目標を達成するために他人の意見を変える能力があります。その結果、ユーザの影響力レベルを予測することは、ソーシャルネットワークの理解、トレンドの予測、誤情報防止などに役立つ。しかし、ユーザの影響を予測することは、影響の概念が状況やドメインに特有であり、ユーザコミュニケーションはテキストに限られているため、難しい問題である。本研究では,コミュニティ支援の関数としてユーザの影響レベルを定義し,人口統計と人格データを活用することで,ベースラインを著しく上回るモデルを開発する。このアプローチは、8つの異なるドメインのランクDCGスコアを一貫して改善する。

関連論文リスト

Modulating Language Model Experiences through Frictions [56.17593192325438]
言語モデルの過度な消費は、短期において未確認エラーを伝播し、長期的な批判的思考のために人間の能力を損なうリスクを出力する。行動科学の介入にインスパイアされた言語モデル体験のための選択的摩擦を提案し,誤用を抑える。
論文参考訳（メタデータ） (2024-06-24T16:31:11Z)
Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。既存の感受性研究は、自己報告された信念に大きく依存している。本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文参考訳（メタデータ） (2023-11-16T07:22:56Z)
Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文参考訳（メタデータ） (2023-10-20T06:17:02Z)
InfluencerRank: Discovering Effective Influencers via Graph Convolutional Attentive Recurrent Neural Networks [15.461845673443804]
本研究では,その投稿行動と時間的社会的関係に基づいて,インフルエンサーをその効果でランク付けするインフルエンサーランクを提案する。 Instagramのデータセットは18,397人のインフルエンサーで構成され、12ヶ月以内に2,952,075件の投稿が公開された。
論文参考訳（メタデータ） (2023-04-04T15:48:08Z)
DIGMN: Dynamic Intent Guided Meta Network for Differentiated User Engagement Forecasting in Online Professional Social Platforms [32.70471436337077]
ユーザエンゲージメントパターンの違いの大きな理由は、ユーザが異なる意図を持っていることだ。本稿では動的ガイドメタネットワーク(DIGMN)を提案する。我々の手法は最先端のベースラインを大幅に上回る。
論文参考訳（メタデータ） (2022-10-22T09:57:27Z)
Understanding How People Rate Their Conversations [73.17730062864314]
我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
論文参考訳（メタデータ） (2022-06-01T00:45:32Z)
Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文参考訳（メタデータ） (2022-04-18T09:25:06Z)
Influencing the Influencers: Evaluating Person-to-Person Influence on Social Networks Using Granger Causality [6.458496335718509]
本稿では,Twitter上での個人間コンテンツの影響を分析する新しい手法を提案する。 Ego-AlterフレームワークとGranger Causalityを使って、トランプ大統領(Ego)と彼がリツイートした人々(Alters)を調べる。それぞれのAlterは、複数のトピックにまたがって異なる影響範囲を持ち、与えられたトピックに異なる影響範囲を持ち、単一のAlterの影響の大きさはトピックによって異なる。
論文参考訳（メタデータ） (2021-10-10T20:40:11Z)
Identifying Influential Users in Unknown Social Networks for Adaptive Incentive Allocation Under Budget Restriction [24.793013471521924]
インセンティブ化はユーザの行動に影響を与えるためのより積極的な方法であることが証明されている。未知ネットワークにおける影響力のあるユーザを探索するための新しいアルゴリズムを提案する。ユーザの好みと影響能力に基づいてインセンティブ値を決定する適応型インセンティブアロケーション・アプローチを設計する。
論文参考訳（メタデータ） (2021-07-13T11:20:10Z)
IACN: Influence-aware and Attention-based Co-evolutionary Network for Recommendation [7.372706701787234]
ICN(Impact-Aware and Attention-based Co-Evolutionary Network)を提案する。 IACNは相互作用モデリングと影響モデリングという2つの重要なコンポーネントから構成される。私たちのモデルは、さまざまなドメインの既存の最新モデルよりも優れています。
論文参考訳（メタデータ） (2021-03-04T07:08:20Z)
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。