論文の概要: When Life Paths Cross: Extracting Human Interactions in Time and Space from Wikipedia

• arxiv url: http://arxiv.org/abs/2510.00019v1
• Date: Mon, 22 Sep 2025 11:42:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 05:29:07.828661
• Title: When Life Paths Cross: Extracting Human Interactions in Time and Space from Wikipedia
• Title（参考訳）: ライフパスが横断する時:Wikipediaから時間と空間で人間のインタラクションを抽出する
• Authors: Zhongyang Liu, Ying Zhang, Xiangyi Xiao, Wenting Liu, Yuanting Zha, Haipeng Zhang,
• Abstract要約: インタラクションレコードを (Person1, Person2, Time, Location) の形式でウィキペディアにマイニングする。 これらの相互作用の鍵となる要素は、しばしば異質なクラウドソーステキストに散在する。 我々は、注意機構、マルチタスク学習、特徴伝達手法を統合し、F1スコア86.51%を達成するモデルを設計する。
• 参考スコア（独自算出の注目度）: 7.088308741097303
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Interactions among notable individuals -- whether examined individually, in groups, or as networks -- often convey significant messages across cultural, economic, political, scientific, and historical perspectives. By analyzing the times and locations of these interactions, we can observe how dynamics unfold across regions over time. However, relevant studies are often constrained by data scarcity, particularly concerning the availability of specific location and time information. To address this issue, we mine millions of biography pages from Wikipedia, extracting 685,966 interaction records in the form of (Person1, Person2, Time, Location) interaction quadruplets. The key elements of these interactions are often scattered throughout the heterogeneous crowd-sourced text and may be loosely or indirectly associated. We overcome this challenge by designing a model that integrates attention mechanisms, multi-task learning, and feature transfer methods, achieving an F1 score of 86.51%, which outperforms baseline models. We further conduct an empirical analysis of intra- and inter-party interactions among political figures to examine political polarization in the US, showcasing the potential of the extracted data from a perspective that may not be possible without this data. We make our code, the extracted interaction data, and the WikiInteraction dataset of 4,507 labeled interaction quadruplets publicly available.
• Abstract（参考訳）: 個人、グループ、ネットワークなどの著名な個人間の交流は、しばしば文化的、経済的、政治的、科学的、歴史的観点から重要なメッセージを伝達する。 これらの相互作用の時間と位置を分析することで、時間とともに動的に領域が広がる様子を観察することができる。 しかし、関連する研究は、データ不足、特に特定の位置情報と時間情報の入手に関して、しばしば制約される。 この問題に対処するため、ウィキペディアから数百万の伝記ページを抽出し、685,966のインタラクションレコードを(Person1, Person2, Time, Location)インタラクション四重項として抽出した。 これらの相互作用の鍵となる要素は、しばしば異質なクラウドソーステキスト全体に散在し、緩やかに間接的に関連付けられることがある。 本研究では,注目機構,マルチタスク学習,特徴伝達手法を統合し,F1スコア86.51%を達成し,ベースラインモデルを上回る性能を持つモデルを設計することで,この問題を克服する。 さらに、米国における政治的分極を調査するために、政治人物間の政党内および政党間相互作用の実証分析を行い、このデータなしでは不可能かもしれない視点から抽出されたデータのポテンシャルを示す。 我々は、コード、抽出されたインタラクションデータ、および4,507個のラベル付きインタラクション四重項のWikiInteractionデータセットを公開しています。

関連論文リスト

• Explaining Categorical Feature Interactions Using Graph Covariance and LLMs [18.44675735926458]
  本稿では,Counter Trafficking Data Collaborativeからのグローバルな合成データセットに焦点を当てる。 2002年から2022年にかけて20,000件以上の匿名化された記録があり、それぞれのレコードに多くの分類学的特徴がある。 本稿では,重要な分類的特徴の相互作用を分析し,抽出するための高速でスケーラブルな手法を提案する。
  論文  参考訳（メタデータ） (2025-01-24T21:41:26Z)
• Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
  本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。 本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
  論文  参考訳（メタデータ） (2024-10-15T07:35:51Z)
• Inter-X: Towards Versatile Human-Human Interaction Analysis [100.254438708001]
  正確な身体の動きと多様な相互作用パターンを持つデータセットであるInter-Xを提案する。 データセットは、1Kの相互作用シーケンスと8.1Mフレーム以上を含む。 また、Inter-Xには34K以上の微粒な人間のテキスト記述の多義アノテーションも備えています。
  論文  参考訳（メタデータ） (2023-12-26T13:36:05Z)
• MMoE: Enhancing Multimodal Models with Mixtures of Multimodal Interaction Experts [92.76662894585809]
  MMOE(Multimodal Mixtures of Experts)と呼ばれるマルチモーダルモデルの拡張手法を導入する。 MMoEは様々な種類のモデルに適用でき、改善できる。
  論文  参考訳（メタデータ） (2023-11-16T05:31:21Z)
• Interactions in Information Spread [0.0]
  ソーシャルネットワークにおける情報インタラクションの役割について検討する。 いくつかのソーシャルネットワークではインタラクションはまれである。 稀かつ短時間のインタラクションを共同でモデル化するフレームワークを設計する。 Reddit上で大規模なアプリケーションを実行し、このデータセットではインタラクションがマイナーな役割を担っていることに気付きました。
  論文  参考訳（メタデータ） (2022-09-16T16:11:40Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Spatio-Temporal Interaction Graph Parsing Networks for Human-Object Interaction Recognition [55.7731053128204]
  ビデオに基づくヒューマンオブジェクトインタラクションシーンでは、人間とオブジェクトの時間的関係をモデル化することが、ビデオに提示されるコンテキスト情報を理解するための重要な手がかりである。 実効時間関係モデリングでは、各フレームの文脈情報を明らかにするだけでなく、時間間の依存関係を直接キャプチャすることもできる。 外観特徴、空間的位置、意味情報のフル活用は、ビデオベースのヒューマンオブジェクトインタラクション認識性能を改善する鍵でもある。
  論文  参考訳（メタデータ） (2021-08-19T11:57:27Z)
• Continuous Latent Position Models for Instantaneous Interactions [0.0]
  一対のエンティティ間の即時相互作用のタイミングと頻度を分析するためのフレームワークを作成します。 瞬時相互作用の例としては、電子メールネットワーク、電話ネットワーク、およびいくつかの一般的な技術および輸送ネットワークがある。
  論文  参考訳（メタデータ） (2021-03-31T15:10:58Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)

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。