文献

J-GLOBAL ID：202002212387691218   整理番号：20A0814237

個別化DeepinF:深層学習と転送学習による社会的影響予測の強化【JST・京大機械翻訳】

Personalized DeepInf: Enhanced Social Influence Prediction with Deep Learning and Transfer Learning

著者 (5件)： Leung Carson K. (University of Manitoba,Department of Computer Science,Winnipeg,MB,Canada) ,  Cuzzocrea Alfredo (University of Calabria,iDEAS Lab,Rende,CS,Italy) ,  Mai Jiaxing Jason (University of Manitoba,Department of Computer Science,Winnipeg,MB,Canada) ,  Deng Deyu (University of Manitoba,Department of Computer Science,Winnipeg,MB,Canada) ,  Jiang Fan (University of Northern British Columbia (UNBC),Department of Computer Science,Prince George,BC,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： Big Data  ページ： 2871-2880  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 社会的影響は,1つの意見または行動が他によって影響される現象と呼ばれる。今日,社会的影響分析(SIA)の潜在的影響は有意である。例えば,SIAアプリケーションは,ウイルスマーケティング,オンラインコンテンツ推薦を含むことができる。従来の社会的影響分析は,手のcraい特徴を使用し,ドメインエキスパート知識を必要とする。このようなアプローチはスケーラブルではなく,高コストを導入する。これらの欠点を克服するために,深い学習ベースのアプローチを導入した。最も最近のアプローチの一つはDeepInfであり,これはユーザの潜在的特徴を学習することにより社会的影響を予測するためのエンドツーエンドフレームワークである。本論文では,ページランクのドメインからグラフコンボリューションネットワーク(GCN)モデルへのテレポート確率αを統合することにより,本論文においてDeefInffを拡張し,性能を向上させた。さらに,ニューラル予測(HPPNP)のハイブリッド個人化伝搬と呼ばれるアルゴリズムを提案し,既存の方法と比較して予測精度に関して印象的な性能を示した。DeepInfからのデータセットを再利用し,Open Acadeic Graph,Twitter,DIGGデータセットに関する広範な実験を行った。テレポート確率αを最適にサンプリングすることによって,実験結果は,著者らのモデルが種々のデータセットに関する既存の方法と比較するとき,最良を実行することを示した。これらの結果は,著者らの強化された個人化DeepInf,すなわち,深いおよび移動学習の両方による社会的影響予測におけるHPPNPの有効性を実証した。Copyright 2020 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】

シソーラス用語： エンドツーエンド方式 ,  *学習 ,  再利用 ,  アルゴリズム ,  マーケティング ,  応用プログラム ,  有効性
準シソーラス用語： 予測精度 ,  ページランク ,  社会的影響 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 深層学習 ,  転送 ,  学習 ,  社会的影響 ,  予測 ,  強化