論文の概要: Temporal Portability of Numeric User Metadata on Twitter

• arxiv url: http://arxiv.org/abs/2608.23449v1
• Date: Mon, 24 Aug 2026 16:21:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.195537
• Title: Temporal Portability of Numeric User Metadata on Twitter
• Title（参考訳）: Twitterにおける数値ユーザメタデータの一時ポータビリティ
• Abstract要約: 時間的ポータビリティは、ユーザ機能と機能ベースのルールの相互再利用を評価するための分析的な視点である。 我々は、2020-Q1から2022-Q3にかけてのTwitterの1%のサンプルストリームにおいて、日本語のつぶやきから直接、あるいは派生したユーザー特徴の四半期データを使用した。 この結果から, 時間的可搬性は, 解析が保持すべき特性の観点から評価されるべきであることが示唆された。
• 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: Numeric user metadata in social media are often reused over time. However, their reusability may depend on what an analysis needs to preserve. We introduce temporal portability as an analytical perspective for assessing the cross-time reuse of user features and feature-based rules. Specifically, we ask how well relevant properties are preserved when features and rules defined at a source time point are reused at a target time point. We used quarterly data on user features obtained directly from or derived from Japanese-language tweets in Twitter's 1% sample stream from 2020-Q1 to 2022-Q3. Each quarter included approximately 10.1--11.0 million unique users. We evaluated 13 numeric user features in terms of feature distributions, same-user relative ranks, selection rates, and selected-user membership. Across quarters, feature distributions changed and, for many features, same-user relative ranks were less well preserved at longer quarter lags. Reusing source-quarter thresholds also produced selection-rate drift. Target-quarter recalibration nearly matched source-quarter selection rates. However, membership turnover persisted and increased at longer quarter lags. Our results show that temporal portability should be assessed in terms of the property that an analysis needs to preserve.
• Abstract（参考訳）: ソーシャルメディアにおける多くのユーザーメタデータは、時間とともに再利用されることが多い。 しかし、その再利用性は分析が保持すべきものに依存するかもしれない。 ユーザの特徴と特徴に基づくルールの相互再利用を評価するための分析的視点として、時間的ポータビリティを導入する。 具体的には、ソースポイントで定義された機能やルールがターゲットポイントで再利用された場合、適切なプロパティが適切に保存されているか尋ねる。 我々は、2020-Q1から2022-Q3にかけてのTwitterの1%のサンプルストリームで、日本語のつぶやきから直接、あるいは派生したユーザー特徴の四半期データを使用した。 各四半期のユニークユーザー数は約10.1-11.0万人だった。 特徴分布, 同ユーザ相対ランク, 選択率, 選択ユーザメンバーシップの13の数値的特徴を評価した。 四分の一で特徴分布が変化し、多くの特徴において、同一利用者の相対ランクはより長い四分の一の遅れで保存されなくなった。 ソースクォーターの閾値の再利用も選択速度のドリフトを生み出した。 ターゲット・クォーター・リカレーションはソース・クォーター・セレクション・レートとほぼ一致した。 しかし、会員交代は継続し、さらに4分の1の遅れで増加した。 この結果から, 時間的可搬性は, 解析が保持すべき特性の観点から評価されるべきであることが示唆された。

関連論文リスト

• PHASE-Tree: Modeling Character-State Evolution in Long-Horizon Role-Playing Dialogue [37.64180837016861]
  PHASE-Treeは、不変IDルートと変更可能なペルソナ、セッション、モーメント層を備えたマルチタイムの文字状態ツリーである。 明示的なテキストプロビジョニングや暗黙的なパラメトリック適応を通じて生成する。 ロングダイアログコアでは、PHASE-Treeは12のデータセット測定細胞のうち11の1位にランクインし、内部変異細胞と全12の細胞は外部のテキストベースラインに対してランクインする。
  論文  参考訳（メタデータ） (2026-08-07T08:50:14Z)
• An Embarrassingly Simple Graph Heuristic Reveals Shortcut-Solvable Benchmarks for Sequential Recommendation [50.09718257952108]
  Sequentialsolvは、シーケンシャルなパターンとセマンティックなアイテム情報を組み合わせたジェネレーティブなレコメンデーターへと移行している。 これらの手法は、しばしば、広く使われている少数のベンチマークで評価され、重要な疑問を提起する: これらのベンチマークは、現代のジェネレーティブレコメンデーターが提供しようとしている高度なモデリング機能を必要としているか? 我々は、意図的な単純なグラフでベンチマーク監査を行い、最後の1つか2つの項目から、数ホップの項目遷移グラフから候補を検索し、項目間類似度でランク付けする。
  論文  参考訳（メタデータ） (2026-05-08T02:00:11Z)
• HorizonBench: Long-Horizon Personalization with Evolving Preferences [73.32940850193681]
  構造化されたメンタルステートグラフから会話を生成するデータジェネレータを導入する。 そこからHorizonBenchを構築する。これは6ヶ月の会話履歴を持つ360のシミュレーションユーザーから4,245項目のベンチマークである。 HorizonBenchは、長期コンテキストモデリング、メモリ拡張アーキテクチャ、理論・オブ・ミンド推論、ユーザーモデリングのためのテストベッドを提供する。
  論文  参考訳（メタデータ） (2026-04-19T06:55:10Z)
• PERMA: Benchmarking Personalized Memory Agents via Event-Driven Preference and Realistic Task Environments [72.02445514666428]
  静的な嗜好リコールを超えてペルマの一貫性を評価するためのベンチマークであるPERMAを紹介する。 PerMAは、複数のセッションとドメインにまたがる時間的に順序付けられたインタラクションイベントと、時間とともに好みに関連するクエリで構成されている。 実験により、関連するインタラクションをリンクすることで、高度なメモリシステムはより正確な好みを抽出し、トークン消費を減らすことができることが示された。
  論文  参考訳（メタデータ） (2026-03-24T14:04:11Z)
• ALPBench: A Benchmark for Attribution-level Long-term Personal Behavior Understanding [53.88804678012327]
  ALPBenchは属性レベルの長期的個人行動理解のためのベンチマークである。 ユーザと興味のある属性の組み合わせを予測し、基幹構造評価を可能にする。 ユーザの明示的に表現された要求よりも、長期的な歴史的行動の好みをモデル化する。
  論文  参考訳（メタデータ） (2026-02-03T03:32:16Z)
• Time Matters: Enhancing Sequential Recommendations with Time-Guided Graph Neural ODEs [39.5138461997608]
  シーケンスレコメンデーション(SR)は、eコマースプラットフォームやストリーミングサービスなどに広くデプロイされています。 既存の方法は、インタラクション間の不規則なユーザ関心と、時間とともに非常に不均一なアイテム分布という、2つの重要な要因を見落としていることが多い。 我々はTGODEを提案し、長期の歴史的相互作用の強化とキャプチャを行う。
  論文  参考訳（メタデータ） (2025-11-23T08:46:27Z)
• Predicting Social Media Engagement from Emotional and Temporal Features [0.0]
  情緒的特徴と時間的特徴からソーシャルメディアのエンゲージメント(記事やお気に入り)を予測する機械学習手法を提案する。 データセットには、ヴァレンス、覚醒、関連する感情測定のためのアノテーションを備えた600曲が含まれている。 HistGradientBoostingRegressorに基づくマルチターゲット回帰モデルは、スキューされたターゲットに対応するためにログ変換されたエンゲージメント比に基づいて訓練される。
  論文  参考訳（メタデータ） (2025-08-29T14:14:17Z)
• Discrete-event Tensor Factorization: Learning a Smooth Embedding for Continuous Domains [0.0]
  本稿では、因子化スタイルのレコメンデーションモデルにおいて、時間がどのように符号化されるかを分析する。 機能として絶対時間を含めることで、私たちのモデルはさまざまなユーザの好みを学習し、時間とともにアイテムの知覚を変化させることができます。
  論文  参考訳（メタデータ） (2025-08-06T08:54:57Z)
• Enhancing User Intent Capture in Session-Based Recommendation with Attribute Patterns [77.19390850643944]
  周波数属性パターン拡張変換器(FAPAT)を提案する。 FAPATは属性遷移グラフと一致する属性パターンを構築することで、ユーザの意図を特徴づける。 FAPATは、様々な評価指標に対して平均4.5%の最先端手法を一貫して上回っていることを実証する。
  論文  参考訳（メタデータ） (2023-12-23T03:28:18Z)
• Causal Feature Selection via Transfer Entropy [59.999594949050596]
  因果発見は、観察データによる特徴間の因果関係を特定することを目的としている。 本稿では,前向きと後向きの機能選択に依存する新たな因果的特徴選択手法を提案する。 精度および有限サンプルの場合の回帰誤差と分類誤差について理論的に保証する。
  論文  参考訳（メタデータ） (2023-10-17T08:04:45Z)

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。