論文の概要: Structure and Context of Retweet Coordination in the 2022 U.S. Midterm Elections
- arxiv url: http://arxiv.org/abs/2501.11165v1
- Date: Sun, 19 Jan 2025 20:40:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-22 14:23:28.638047
- Title: Structure and Context of Retweet Coordination in the 2022 U.S. Midterm Elections
- Title(参考訳): 2022年米中間選挙におけるリツイート調整の構造と状況
- Authors: David Axelrod, John Paolillo,
- Abstract要約: 我々は2022年の中間選挙で収集されたTwitterのリツイートデータを調査する。
潜在共有空間モデルを用いて、k-ネアレスト近傍の基準で閾値付けされた関連ネットワークの主成分を同定する。
ひとつは音楽賞と韓国のポップまたはテイラー・スウィフトのプロモーションで、もう一つは政治的動員に従事しているユーザーです。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: The ability to detect coordinated activity in communication networks is an ongoing challenge. Prior approaches emphasize considering any activity exceeding a specific threshold of similarity to be coordinated. However, identifying such a threshold is often arbitrary and can be difficult to distinguish from grassroots organized behavior. In this paper, we investigate a set of Twitter retweeting data collected around the 2022 US midterm elections, using a latent sharing-space model, in which we identify the main components of an association network, thresholded with a k-nearest neighbor criterion. This approach identifies a distribution of association values with different roles in the network at different ranges, where the shape of the distribution suggests a natural place to threshold for coordinated user candidates. We find coordination candidates belonging to two broad categories, one involving music awards and promotion of Korean pop or Taylor Swift, the other being users engaged in political mobilization. In addition, the latent space suggests common motivations for different coordinated groups otherwise fragmented by using an appropriately high threshold criterion for coordination.
- Abstract(参考訳): 通信ネットワークにおける協調活動を検出することは、現在進行中の課題である。
以前のアプローチでは、調整すべき特定の類似性のしきい値を超える任意のアクティビティを考慮することを強調していた。
しかし、そのようなしきい値を特定することはしばしば任意であり、草の根の組織的行動と区別することは困難である。
本稿では,2022年米中間選挙前後に収集されたTwitterのリツイートデータについて,k-nearest 近くの基準で閾値付けされた関連ネットワークの主成分を識別する潜在共有空間モデルを用いて検討する。
提案手法では,ネットワーク内の異なる役割を持つ相関値の分布を異なる範囲で同定する。
ひとつは音楽賞と韓国のポップまたはテイラー・スウィフトのプロモーションで、もう一つは政治的動員に従事しているユーザーです。
さらに、潜在空間は、調整に適度に高いしきい値基準を用いることで、他の異なる座標群が断片化されるような共通のモチベーションを示唆する。
関連論文リスト
- CDAD-Net: Bridging Domain Gaps in Generalized Category Discovery [9.505699498746976]
Generalized Category Discovery (GCD)は、既知のクラスと新しいクラスのラベルのないサンプルをクラスタリングするツールである。
本稿では、Across Domain Generalized Category Discovery (AD-GCD)を紹介し、CDAD-NETを治療として提供する。
CDAD-NETは、ラベル付き(ソース)データセットとラベルなし(ターゲット)データセットの両方で、既知の潜在的なクラスサンプルを同期するように設計されている。
実験により、CDAD-NETは既存の文献を8~15%上回り、AD-GCDベンチマークを3つのベンチマークで比較した。
論文 参考訳(メタデータ) (2024-04-08T10:05:24Z) - Multi-attention Associate Prediction Network for Visual Tracking [3.9628431811908533]
分類回帰予測ネットワークは、いくつかの現代のディープトラッカーにおいて驚くべき成功を収めている。
分類と回帰タスクには固有の違いがあるため、特徴マッチングの要求にも反対の要求がある。
上記の問題に対処するために,マルチアテンションアソシエイト予測ネットワーク(MAPNet)を提案する。
論文 参考訳(メタデータ) (2024-03-25T03:18:58Z) - Learning Classifiers of Prototypes and Reciprocal Points for Universal
Domain Adaptation [79.62038105814658]
Universal Domainは、ドメインシフトとカテゴリシフトという2つのシフトを処理して、データセット間で知識を転送することを目的としている。
主な課題は、既知のクラス知識の分布をソースからターゲットに適応させながら、未知のターゲットサンプルを正しく識別することである。
既存のほとんどの手法は、まずターゲットが適応した既知の知識を訓練し、次に未知のターゲットサンプルを識別するために単一のしきい値に依存することでこの問題に対処する。
論文 参考訳(メタデータ) (2022-12-16T09:01:57Z) - Preliminary Steps Towards Federated Sentiment Classification [17.520351189577]
我々は、コーパスを分散デバイスに格納しなければならないという制約の下で、複数のドメイン感情分類のための連合学習を利用する。
まず,フェデレートされた感情分類におけるモデルアグリゲーションとパーソナライゼーションを改善するための知識伝達強化型私的共有フレームワークを提案する。
第二に、単語ベクトルのリッチな意味と巨大な埋め込みサイズ特性を考慮したKTEPS$star$を提案する。
論文 参考訳(メタデータ) (2021-07-26T04:57:49Z) - Temporal Nuances of Coordination Network Semantics [0.0]
ソーシャルメディア上での協調的不正確な行動を検出する方法は、共通の「行動痕跡」に基づくアカウント間のリンクの推測に焦点をあてる
ネットワークのセマンティクスの調整,ネットワーク構築の調整,3つの政治的Twitterデータセットの関連観測,ソーシャルボットの公開におけるチアリーダーの役割に関する予備研究について述べる。
論文 参考訳(メタデータ) (2021-07-06T13:05:12Z) - Hierarchical Modeling for Out-of-Scope Domain and Intent Classification [55.23920796595698]
本稿では,対話システムにおけるスコープ外意図分類に焦点をあてる。
ドメインとインテントを同時に分類する共同モデルに基づく階層型マルチタスク学習手法を提案する。
実験により、モデルが既存の手法よりも精度、スコープ外リコール、F1で優れていることが示された。
論文 参考訳(メタデータ) (2021-04-30T06:38:23Z) - Cross-domain Speech Recognition with Unsupervised Character-level
Distribution Matching [60.8427677151492]
2つの領域における各文字間の微粒化適応を行うための文字レベルの分布マッチング手法であるCMatchを提案する。
Libri-Adaptデータセットを用いた実験の結果,提案手法はクロスデバイスとクロス環境の両方で14.39%,16.50%の単語誤り率(WER)を低減できることがわかった。
論文 参考訳(メタデータ) (2021-04-15T14:36:54Z) - A General Method to Find Highly Coordinating Communities in Social Media
through Inferred Interaction Links [13.264683014487376]
政治的誤報、占い、組織化されたトロリングは、オンラインの悪意ある行動であり、現実世界に重大な影響を及ぼす。
本稿では,アカウントのインタラクションとメタデータのみに依存する新しい時間的ウィンドウ手法を提案する。
さまざまな行動に関わるアカウントのグループを検出し、それを協調して、異なる目標ベースの戦略を実行する。
論文 参考訳(メタデータ) (2021-03-05T00:48:23Z) - Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive
Person Re-Identification [64.37745443119942]
本稿では,局所的なワンホット分類とグローバルなマルチクラス分類を組み合わせることで,視覚的・時間的整合性を両立させる。
3つの大規模ReIDデータセットの実験結果は、教師なしと教師なしの両方のドメイン適応型ReIDタスクにおいて提案手法の優位性を示す。
論文 参考訳(メタデータ) (2020-07-21T14:31:27Z) - Scope Head for Accurate Localization in Object Detection [135.9979405835606]
本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。
我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
論文 参考訳(メタデータ) (2020-05-11T04:00:09Z) - Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。
各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。
慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文 参考訳(メタデータ) (2020-03-09T17:05:04Z)
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。