論文の概要: Identifying Group Anchors in Real-World Group Interactions Under Label Scarcity

• arxiv url: http://arxiv.org/abs/2509.20762v2
• Date: Mon, 29 Sep 2025 01:41:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 14:13:47.625237
• Title: Identifying Group Anchors in Real-World Group Interactions Under Label Scarcity
• Title（参考訳）: ラベルスカルシティによる実世界グループインタラクションにおけるグループアンカーの同定
• Authors: Fanchen Bu, Geon Lee, Minyoung Choe, Kijung Shin,
• Abstract要約: グループ間相互作用は、例えば、共著者、電子メール通信、オンラインQ&Aなど、様々な現実世界の文脈で発生する。 各グループには、しばしば重要なメンバーが存在し、その周りでグループが形成されている。 このような個人をグループアンカーと呼び、それらを識別する問題について研究する。
• 参考スコア（独自算出の注目度）: 41.90901213573438
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Group interactions occur in various real-world contexts, e.g., co-authorship, email communication, and online Q&A. In each group, there is often a particularly significant member, around whom the group is formed. Examples include the first or last author of a paper, the sender of an email, and the questioner in a Q&A session. In this work, we discuss the existence of such individuals in real-world group interactions. We call such individuals group anchors and study the problem of identifying them. First, we introduce the concept of group anchors and the identification problem. Then, we discuss our observations on group anchors in real-world group interactions. Based on our observations, we develop AnchorRadar, a fast and effective method for group anchor identification under realistic settings with label scarcity, i.e., when only a few groups have known anchors. AnchorRadar is a semi-supervised method using information from groups both with and without known group anchors. Finally, through extensive experiments on thirteen real-world datasets, we demonstrate the empirical superiority of AnchorRadar over various baselines w.r.t. accuracy and efficiency. In most cases, AnchorRadar achieves higher accuracy in group anchor identification than all the baselines, while using 10.2$\times$ less training time than the fastest baseline and 43.6$\times$ fewer learnable parameters than the most lightweight baseline on average.
• Abstract（参考訳）: グループインタラクションは、例えば、共著者、電子メール通信、オンラインQ&Aなど、さまざまな現実世界のコンテキストで発生する。 各グループには、しばしば重要なメンバーが存在し、その周りでグループが形成されている。 例えば、論文の最初のあるいは最後の著者、電子メールの送信者、Q&Aセッションの質問者などです。 本研究では,実世界のグループ間相互作用におけるそのような個人の存在について論じる。 このような個人をグループアンカーと呼び、それらを識別する問題について研究する。 まず,グループアンカーの概念と識別問題を紹介する。 次に,実世界のグループ間相互作用におけるグループアンカーの観察について考察する。 AnchorRadarは,ラベルの少ない現実的な環境下でグループアンカーの同定を高速かつ効果的に行う手法である。 AnchorRadarは、既知のグループアンカーと無名のグループからの情報を使用する半教師付き手法である。 最後に、13の実世界のデータセットに関する広範な実験を通じて、様々なベースラインの精度と効率に対するアンコールレーダーの実証的な優位性を実証する。 ほとんどの場合、AnchorRadarは全てのベースラインよりもグループアンカー識別の精度が高く、10.2$\times$最速ベースラインよりもトレーニング時間が少ない43.6$\times$平均よりも学習可能なパラメータが少ない。

関連論文リスト

• Quantifying Query Fairness Under Unawareness [82.33181164973365]
  本稿では,二項分類を超えた複数の機密属性を効果的に処理する定量化に基づく頑健な公正度推定手法を提案する。 提案手法は, 様々な属性にまたがる既存のベースラインよりも優れており, 未知の公正度を測定するための信頼性の高いプロトコルを最初に確立した。
  論文  参考訳（メタデータ） (2025-06-04T16:31:44Z)
• The Research of Group Re-identification from Multiple Cameras [0.4955551943523977]
  グループ再識別は、従来の再識別タスクにおいて、視点や人間のポーズのバリエーションによって妨げられているだけでなく、非常に難しい。 本稿では,グループ内の多粒度情報を活用してグループ再同定を容易にする手法を提案する。
  論文  参考訳（メタデータ） (2024-07-19T18:28:13Z)
• 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)
• Towards Group Robustness in the presence of Partial Group Labels [61.33713547766866]
  入力サンプルとターゲットラベルの間に 急激な相関関係がある ニューラルネットワークの予測を誤った方向に導く 本稿では,制約セットから最悪のグループ割り当てを最適化するアルゴリズムを提案する。 グループ間で総合的な集計精度を維持しつつ,少数集団のパフォーマンス向上を示す。
  論文  参考訳（メタデータ） (2022-01-10T22:04:48Z)
• BARACK: Partially Supervised Group Robustness With Guarantees [29.427365308680717]
  ニューラルネットワーク上での最悪のグループパフォーマンスを改善するためのフレームワークであるBARACKを提案する。 トレーニングデータの欠落したグループラベルを予測するためにモデルをトレーニングし、その上で、これらの予測されたグループラベルを頑健な最適化目標として使用する。 実験的な手法では, 1-33%のポイントにグループラベルがある場合でも, グループ情報を使用しないベースラインよりも優れている。
  論文  参考訳（メタデータ） (2021-12-31T23:05:21Z)
• Learning Multi-Attention Context Graph for Group-Based Re-Identification [214.84551361855443]
  オーバーラップしていないカメラシステムを介して人々のグループを再識別または取得することを学ぶことは、ビデオ監視において重要なアプリケーションです。 本研究では,グループre-idというグループを識別するためのコンテキスト情報の利用を検討する。 本研究では,グループベースリドタスクを同時に処理するグラフニューラルネットワークに基づく新しい統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-29T09:57:47Z)
• Overcoming Data Sparsity in Group Recommendation [52.00998276970403]
  グループレコメンデータシステムは、ユーザの個人的な好みだけでなく、嗜好集約戦略も正確に学習できなければならない。 本稿では,BGEM(Bipartite Graphding Model)とGCN(Graph Convolutional Networks)を基本構造として,グループとユーザ表現を統一的に学習する。
  論文  参考訳（メタデータ） (2020-10-02T07:11:19Z)
• GroupIM: A Mutual Information Maximization Framework for Neural Group Recommendation [24.677145454396822]
  本研究では,歴史的活動が限定的あるいは全くないユーザで構成された短命グループを対象とした項目推薦の課題について検討する。 現存する研究は、活動の歴史がかなりある永続的なグループをターゲットにしているが、短命なグループは歴史的な相互作用を欠いている。 本研究では、同一グループに属するユーザ間の嗜好共分散と、各グループに対する個人の嗜好の文脈的関連性の両方を活用するために、データ駆動型正規化戦略を提案する。
  論文  参考訳（メタデータ） (2020-06-05T23:18:19Z)

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。