論文の概要: Social-Media Based Personas Challenge: Hybrid Prediction of Common and Rare User Actions on Bluesky

• arxiv url: http://arxiv.org/abs/2511.17241v1
• Date: Fri, 21 Nov 2025 13:40:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:19.043902
• Title: Social-Media Based Personas Challenge: Hybrid Prediction of Common and Rare User Actions on Bluesky
• Title（参考訳）: ソーシャル・メディア・ベースのペルソナ・チャレンジ:ブルースキーにおける一般ユーザー行動とレアユーザー行動のハイブリッド予測
• Authors: Benjamin White, Anastasia Shimorina,
• Abstract要約: 本稿では,ソーシャルメディア利用者の行動予測のためのハイブリッド手法を提案する。 多様な行動語彙にまたがる頻繁な行動と頻繁な行動の両方に対処する。 われわれのアプローチは、SocialSim: Social-Media Based Personas Challengeで第一位となった。
• 参考スコア（独自算出の注目度）: 0.7305019142196582
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Understanding and predicting user behavior on social media platforms is crucial for content recommendation and platform design. While existing approaches focus primarily on common actions like retweeting and liking, the prediction of rare but significant behaviors remains largely unexplored. This paper presents a hybrid methodology for social media user behavior prediction that addresses both frequent and infrequent actions across a diverse action vocabulary. We evaluate our approach on a large-scale Bluesky dataset containing 6.4 million conversation threads spanning 12 distinct user actions across 25 persona clusters. Our methodology combines four complementary approaches: (i) a lookup database system based on historical response patterns; (ii) persona-specific LightGBM models with engineered temporal and semantic features for common actions; (iii) a specialized hybrid neural architecture fusing textual and temporal representations for rare action classification; and (iv) generation of text replies. Our persona-specific models achieve an average macro F1-score of 0.64 for common action prediction, while our rare action classifier achieves 0.56 macro F1-score across 10 rare actions. These results demonstrate that effective social media behavior prediction requires tailored modeling strategies recognizing fundamental differences between action types. Our approach achieved first place in the SocialSim: Social-Media Based Personas challenge organized at the Social Simulation with LLMs workshop at COLM 2025.
• Abstract（参考訳）: ソーシャルメディアプラットフォーム上でのユーザ行動の理解と予測は、コンテンツレコメンデーションとプラットフォーム設計にとって不可欠である。 既存のアプローチは主にリツイートや好き嫌いといった一般的な行動に焦点を当てているが、稀だが重要な行動の予測は未解明のままである。 本稿では,多様な行動語彙にまたがる頻繁な行動と頻繁な行動の両方に対処する,ソーシャルメディア利用者行動予測のためのハイブリッド手法を提案する。 我々は、25のペルソナクラスタにわたる12の異なるユーザーアクションにまたがる640万の会話スレッドを含む大規模Blueskyデータセットに対するアプローチを評価した。 私たちの方法論は4つの補完的なアプローチを組み合わせています。 一 履歴応答パターンに基づくルックアップデータベースシステム (II)共通行動のための時間的・意味的特徴を工学化したペルソナ固有のLightGBMモデル 三 稀な行動分類のためのテキスト及び時間的表現を融合した特殊ハイブリッドニューラルアーキテクチャ (4)テキスト応答の生成。 我々のペルソナ固有モデルでは平均マクロF1スコアが0.64であり,レアアクション分類器は10個のレアアクションに対して0.56マクロF1スコアを達成している。 これらの結果は、効果的なソーシャルメディア行動予測には、アクションタイプ間の根本的な違いを認識するためのモデリング戦略が必要とされることを示している。 当社のアプローチは,COLM 2025の社会シミュレーション・アンド・LLMsワークショップで実施したSocial-Media Based Personas Challengeにおいて,第1位となった。

関連論文リスト

• $\texttt{BluePrint}$: A Social Media User Dataset for LLM Persona Evaluation and Training [8.563967699751684]
  大規模言語モデル(LLM)は、大規模なソーシャルメディアのダイナミックスに有望な機能を提供する。 本稿では,エージェントモデルの訓練に適した行動型ソーシャルメディアを構築するためのフレームワークであるSを紹介する。 BluePrintは、政治談話に焦点を当てた公開Blueskyデータから構築された大規模なデータセットです。
  論文  参考訳（メタデータ） (2025-09-27T06:02:38Z)
• SocioVerse: A World Model for Social Simulation Powered by LLM Agents and A Pool of 10 Million Real-World Users [70.02370111025617]
  本稿では,社会シミュレーションのためのエージェント駆動世界モデルであるSocioVerseを紹介する。 私たちのフレームワークは、4つの強力なアライメントコンポーネントと1000万の実際の個人からなるユーザプールを備えています。 SocioVerseは、多様性、信頼性、代表性を確保しつつ、大規模な人口動態を反映できることを示した。
  論文  参考訳（メタデータ） (2025-04-14T12:12:52Z)
• Social Processes: Probabilistic Meta-learning for Adaptive Multiparty Interaction Forecasting [3.9134031118910264]
  社会プロセス(SP)モデルを導入し、全てのグループメンバーに対して、将来のマルチモーダルキューの分布を予測する。 また,現実的な合成データセットを用いて,SPモデルの出力および潜時空間における一般化能力を解析した。
  論文  参考訳（メタデータ） (2025-01-03T17:34:53Z)
• Social Media Use is Predictable from App Sequences: Using LSTM and Transformer Neural Networks to Model Habitual Behavior [0.11086185608421924]
  本稿では,スマートフォン利用者の逐次行動の予測モデルを用いて,ソーシャルメディアの習慣を研究する新しいアプローチを提案する。 i) ソーシャルメディアの利用は内外レベルで予測可能であり, (ii) ソーシャルメディア利用の予測可能性に強い個人差があることが示される。
  論文  参考訳（メタデータ） (2024-04-20T16:36:28Z)
• 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)
• Incorporating Heterogeneous User Behaviors and Social Influences for Predictive Analysis [32.31161268928372]
  我々は,行動予測に異質なユーザ行動と社会的影響を取り入れることを目指している。 本稿では,行動シーケンスのコンテキストを考慮したLong-Short Term Memory (LSTM)を提案する。 残差学習に基づくデコーダは、社会的行動表現に基づいて、複数の高次クロス機能を自動的に構築するように設計されている。
  論文  参考訳（メタデータ） (2022-07-24T17:05:37Z)
• 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。