文献

J-GLOBAL ID：202002247075689427   整理番号：20A2462875

ソーシャルメディア人気度予測のための特徴一般化フレームワーク【JST・京大機械翻訳】

A Feature Generalization Framework for Social Media Popularity Prediction

著者 (6件)： Wang Kai (University of Science and Technology of China, Hefei, China) ,  Wang Penghui (University of Science and Technology of China, Hefei, China) ,  Chen Xin (University of Science and Technology of China, Hefei, China) ,  Huang Qiushi (University of Surrey, Guildford, United Kingdom) ,  Mao Zhendong (University of Science and Technology of China, Hefei, China) ,  Zhang Yongdong (University of Science and Technology of China, Hefei, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’20  ページ： 4570-4574  発行年： 2020年 
JST資料番号： D0698C  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： 社会メディアは現代生活における不可欠な部分であり,社会メディアの人気予測は社会性の多くの側面に適用できる。本論文では,マルチモーダル特徴抽出に基づく特徴一般化と時間モデリングを達成するソーシャルメディア人気予測のための新しい複合フレームワークを提案した。一方では,大規模な欠測データによって引き起こされた一般化問題に取り組むために,著者らは異なるデータセットで2つのCatBoostモデルを訓練して,それらの出力を線形結合で統合する。一方,スライディングウィンドウ平均を用いて,各ユーザのポストシーケンスに対する潜在的短期依存性をマイニングした。大規模な実験は,提案フレームワークが特徴一般化と時間モデリングの両方において優位性を持つことを示した。そのうえ,著者らの方式は2020年にSMPチャレンジのリーダボードに関する第1の位置を達成して,それは著者らの提案したフレームワークの有効性を証明した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 特徴抽出 ,  *多モード ,  有効性
準シソーラス用語： 線形結合 ,  スライディングウィンドウ ,  *ソーシャルメディア , 【Automatic Indexing@JST】

著者キーワード (4件)： CatBoost ,  マルチモーダル ,  回帰 ,  ソーシャルメディア予測

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ソーシャルメディア ,  予測 ,  一般化 ,  フレームワーク