抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
もし画像が数千語に価値があるならば,それから画像は,ツイートのようなオンラインポストのウイルス性を予測するとき,他の利用可能なデータモダリティと一緒に利用されなければならない。本論文において,著者らは,すべてのデータモダリティを考慮することによって,ピンセット人気予測問題を再検討した。すなわち,ツイート言語意味論,埋め込まれた画像,著者の社会的関係,およびツイートの拡散プロセスであった。ツイートの内容をモデル化するために,視覚的,テキスト的,および社会的合図を一緒に結合する結合埋め込みニューラルネットワークを提案した。このようなコンテンツ特徴は,直接的に予測に用いることができるか,または,メッセージ伝搬過程をモデル化する「動力学RNN」を前処理するために使用することができる。ネットワークを訓練するために,新しいPoisson回帰損失を最適化した。コンテンツベースの特徴を用いて,著者らの共同埋込み回帰モデルにより,社会的特徴と動特性を改善することができることを実証した。著者らのモデルは,Twitterから収集された複数の大規模実世界データセットに関する最先端技術を上回った。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】