論文の概要: EVOLVE-X: Embedding Fusion and Language Prompting for User Evolution Forecasting on Social Media

• arxiv url: http://arxiv.org/abs/2507.16847v1
• Date: Mon, 21 Jul 2025 05:07:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:14.682887
• Title: EVOLVE-X: Embedding Fusion and Language Prompting for User Evolution Forecasting on Social Media
• Title（参考訳）: EVOLVE-X: ソーシャルメディア上でのユーザ進化予測のための融合と言語プロンプトの埋め込み
• Authors: Ismail Hossain, Sai Puppala, Md Jahangir Alam, Sajedul Talukder,
• Abstract要約: 本稿では,ソーシャルメディア上でのユーザ行動の進化を生涯にわたって分析し,予測する新しいアプローチを提案する。 本実験は,ユーザの社会進化の将来の段階を予測するためのモデルの可能性を示すものである。
• 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: Social media platforms serve as a significant medium for sharing personal emotions, daily activities, and various life events, ensuring individuals stay informed about the latest developments. From the initiation of an account, users progressively expand their circle of friends or followers, engaging actively by posting, commenting, and sharing content. Over time, user behavior on these platforms evolves, influenced by demographic attributes and the networks they form. In this study, we present a novel approach that leverages open-source models Llama-3-Instruct, Mistral-7B-Instruct, Gemma-7B-IT through prompt engineering, combined with GPT-2, BERT, and RoBERTa using a joint embedding technique, to analyze and predict the evolution of user behavior on social media over their lifetime. Our experiments demonstrate the potential of these models to forecast future stages of a user's social evolution, including network changes, future connections, and shifts in user activities. Experimental results highlight the effectiveness of our approach, with GPT-2 achieving the lowest perplexity (8.21) in a Cross-modal configuration, outperforming RoBERTa (9.11) and BERT, and underscoring the importance of leveraging Cross-modal configurations for superior performance. This approach addresses critical challenges in social media, such as friend recommendations and activity predictions, offering insights into the trajectory of user behavior. By anticipating future interactions and activities, this research aims to provide early warnings about potential negative outcomes, enabling users to make informed decisions and mitigate risks in the long term.
• Abstract（参考訳）: ソーシャルメディアプラットフォームは、個人の感情、日々の活動、様々なライフイベントを共有するための重要な媒体として機能し、個人が最新の発展について情報を提供し続けることを保証する。 アカウントの開始以来、ユーザーは友達やフォロワーのサークルを徐々に拡大し、投稿、コメント、共有を通じて積極的に活動する。 時間が経つにつれて、これらのプラットフォーム上のユーザー行動は、人口統計特性と彼らが形成するネットワークの影響を受けて進化していく。 本研究では,オープンソースのモデルであるLlama-3-Instruct, Mistral-7B-Instruct, Gemma-7B-ITを組込み, GPT-2, BERT, RoBERTaと組み合わせ, ソーシャルメディア上でのユーザ行動の生涯的変化を解析・予測する手法を提案する。 我々の実験は、ネットワークの変化、将来の接続、ユーザー活動の変化を含む、ユーザの社会進化の将来の段階を予測するためのモデルの可能性を示す。 GPT-2はクロスモーダル構成において最も低いパープレキシティ(8.21)を達成し,RoBERTa(9.11)とBERTを上回り,クロスモーダル構成を優れた性能に活用することの重要性を強調した。 このアプローチは、友人の推薦やアクティビティ予測といったソーシャルメディアにおける重要な課題に対処し、ユーザの行動の軌跡に関する洞察を提供する。 本研究は、今後の対話や活動の予測により、潜在的なネガティブな結果について早期に警告を提供することを目標とし、利用者が情報的意思決定を行い、長期的なリスクを軽減することを目的としている。

関連論文リスト

• OPeRA: A Dataset of Observation, Persona, Rationale, and Action for Evaluating LLMs on Human Online Shopping Behavior Simulation [56.47029531207105]
  OPERAは、ユーザペルソナ、ブラウザの観察、きめ細かいWebアクション、そして自己報告されたジャストインタイム論理を包括的にキャプチャする最初のパブリックデータセットである。 我々は,現在のLCMがユーザの次の行動と合理的性をどの程度予測できるかを評価するための最初のベンチマークを確立する。
  論文  参考訳（メタデータ） (2025-06-05T21:37:49Z)
• EVOLVE: Predicting User Evolution and Network Dynamics in Social Media Using Fine-Tuned GPT-like Model [5.5997926295092295]
  本研究では,ソーシャルメディア上での利用者の生活の進化を予測的に理解する手法を提案する。 GPTライクなデコーダのみのモデルを微調整し、オンラインソーシャルメディアにおけるユーザの進化の将来の段階を予測する。
  論文  参考訳（メタデータ） (2024-07-12T21:20:57Z)
• Model, Analyze, and Comprehend User Interactions within a Social Media Platform [0.6990493129893112]
  ソーシャルメディアデータからユーザインタラクショングラフを構築し,それを解析し,コミュニティダイナミクスの洞察を得る。 本研究は,オンラインコミュニティの理解と管理のための包括的枠組みを提供する。
  論文  参考訳（メタデータ） (2024-03-23T21:54:18Z)
• Unveiling the Truth and Facilitating Change: Towards Agent-based Large-scale Social Movement Simulation [43.46328146533669]
  ソーシャルメディアは社会運動の基盤として現れ、社会変革の推進に大きな影響を与えている。 ソーシャルメディアユーザシミュレーションのためのハイブリッドフレームワークHiSimを導入し、ユーザを2つのタイプに分類する。 我々は、トリガーイベントに続く応答ダイナミクスを再現するために、Twitterのような環境を構築します。
  論文  参考訳（メタデータ） (2024-02-26T06:28:54Z)
• 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)
• Analyzing Key Users' behavior trends in Volunteer-Based Networks [0.0]
  近年,ボランティア型ソーシャルネットワークにおけるボランティアの行動に関する研究が盛んに行われている。 2つの新しいアルゴリズムを開発し、第1は時間とともに重要なユーザー行動パターンを明らかにし、第2は予測モデルを生成する機械学習手法を利用する。 当社のアルゴリズムを評価するために、P2Pフードシェアリングオンラインプラットフォーム上で、240万人以上のユーザーからのデータを利用した。
  論文  参考訳（メタデータ） (2023-10-04T06:42:21Z)
• Ranking-based Group Identification via Factorized Attention on Social Tripartite Graph [68.08590487960475]
  グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。 我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。 データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
  論文  参考訳（メタデータ） (2022-11-02T01:42:20Z)
• 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)
• 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)
• Knowing your FATE: Friendship, Action and Temporal Explanations for User Engagement Prediction on Social Apps [40.58156024231199]
  本稿では,ソーシャルネットワークアプリにおけるユーザエンゲージメント予測の新たな課題について検討する。 エンド・ツー・エンドのニューラルネットワークフレームワークであるFATEを設計し、ユーザエンゲージメントに影響を与えるために識別する3つの重要な要素を組み込んだ。 FATEは、テンソルベースのグラフニューラルネットワーク(GNN)、LSTM、混合アテンション機構に基づいており、(a)異なる特徴カテゴリにわたる学習重みに基づく予測的説明、(b)ネットワークの複雑さの低減、(c)予測精度とトレーニング/推論時間の両方のパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2020-06-10T02:59:13Z)
• 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)

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。