論文の概要: Temporal and Content Coupling Analysis of Social Media User Behavior

• arxiv url: http://arxiv.org/abs/2604.27530v1
• Date: Thu, 30 Apr 2026 07:32:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.969042
• Title: Temporal and Content Coupling Analysis of Social Media User Behavior
• Title（参考訳）: ソーシャルメディア利用者行動の時間的・内容的結合分析
• Authors: Jipeng Tan, Mengye Yang, Zhanghao Li, Yong Min,
• Abstract要約: そこで本研究では,MINDとAdressaの2つの大規模リアルタイムニュースデータセット上で,マルチスケールの時間コンテンツフレームワークを提案する。 その結果、階層的な時間パターンが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: News consumption behavior is shaped by the coupling between temporal dynamics and content selection. This study proposes a multi-scale temporal-content framework and validates it on two large real-world news datasets, MIND and Adressa. Results reveal hierarchical temporal patterns. At the macroscale, Fourier modeling identifies clear circadian rhythms; at the mesoscale, session intervals follow a power-law distribution with $α\approx 1$; and at the microscale, within-session action counts and inter-action intervals follow exponential distributions with $λ\approx 0.3$ and $λ\approx 0.02$, respectively. Content analysis shows that clicks are mainly driven by historical interests, while this dependence weakens as content diversity increases. Temporal-content coupling further indicates that users' historical interests dominate active time periods in shaping behavior. Preference groups also differ: timeliness and entertainment-oriented users click more frequently and rely more on historical interests, whereas diversified users click less and are more sensitive to content diversity.
• Abstract（参考訳）: ニュース消費行動は、時間的ダイナミクスとコンテンツ選択の結合によって形成される。 そこで本研究では,MINDとAdressaの2つの大規模リアルタイムニュースデータセット上で,マルチスケールの時間コンテンツフレームワークを提案する。 その結果、階層的な時間パターンが明らかとなった。 マクロスケールでは、フーリエ・モデリングは明確な概日リズムを識別し、メソスケールではセッション間隔は$α\approx 1$で、マイクロスケールでは、セッション間隔は$λ\approx 0.3$と$λ\approx 0.02$で指数分布に従う。 コンテンツ分析によると、クリックは主に歴史的関心によって引き起こされるが、この依存はコンテンツの多様性が増すにつれて弱まる。 また, 時間-コンテンツ結合は, ユーザの履歴的関心が, 形成行動の活発な期間を支配していることを示している。 タイムラインやエンターテイメント指向のユーザーが頻繁にクリックし、歴史的関心に頼っているのに対して、多様化したユーザーはクリックを減らし、コンテンツの多様性に敏感だ。

関連論文リスト

• Learning Behaviorally Grounded Item Embeddings via Personalized Temporal Contexts [1.4174475093445233]
  TAI2Vec(Time-Aware Item-to-SID)は,時間的近接性を直接表現プロセスに統合する軽量な埋め込みモデルである。 我々は、TAI2Vecが静的ベースラインよりも正確で行動に根ざした表現を一貫して生成し、データセットの80%以上で競争力や優れたパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2026-04-16T23:28:27Z)
• Modeling Stage-wise Evolution of User Interests for News Recommendation [11.474027863114854]
  グローバルとローカルの両方の時間的視点からユーザの好みを学習する統合フレームワークを提案する。 グローバルな嗜好モデリングコンポーネントは、相互作用グラフ全体から長期的な協調的な信号をキャプチャする。 局所的嗜好モデリングコンポーネントは、歴史的相互作用を段階的時間的部分グラフに分割し、短期的ダイナミクスを表現する。
  論文  参考訳（メタデータ） (2026-03-11T06:42:52Z)
• Multi-granularity Interest Retrieval and Refinement Network for Long-Term User Behavior Modeling in CTR Prediction [68.90783662117936]
  クリックスルーレート(CTR)の予測は、オンラインパーソナライズプラットフォームにとって不可欠である。 近年の進歩は、リッチなユーザの振る舞いをモデル化することで、CTR予測の性能を大幅に改善できることを示している。 マルチグラニュラリティ興味検索ネットワーク(MIRRN)を提案する。
  論文  参考訳（メタデータ） (2024-11-22T15:29:05Z)
• A Variational Autoencoder for Neural Temporal Point Processes with Dynamic Latent Graphs [45.98786737053273]
  このような時間的ダイナミクスの混合を捕捉する新しい変分自動エンコーダを提案する。 モデルは、学習した依存性グラフを使用して、過去のイベントの非貢献的な影響を取り除くことによって、将来のイベント時間を予測する。
  論文  参考訳（メタデータ） (2023-12-26T15:11:55Z)
• SCoT: Sense Clustering over Time: a tool for the analysis of lexical change [79.80787569986283]
  我々は、語彙変化を分析する新しいネットワークベースのツールであるSense Clustering over Time (SCoT)を提示する。 SCoTは、単語の意味を類似した単語の集合として表現する。 危機の意味の変化に関するヨーロッパの研究で、うまく使われてきた」。
  論文  参考訳（メタデータ） (2022-03-18T12:04:09Z)
• Twitter Referral Behaviours on News Consumption with Ensemble Clustering of Click-Stream Data in Turkish Media [2.9005223064604078]
  本研究は,Twitter のレファレンスに追随するニュース消費パターンを識別するために,組織ウェブサイトにおける読者のクリック活動について調査する。 調査は、ログデータをニュースコンテンツとリンクして洞察を深めることで、幅広い視点に展開されている。
  論文  参考訳（メタデータ） (2022-02-04T09:57:13Z)

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。