文献

J-GLOBAL ID：202002289201798159   整理番号：20A2586483

オンラインソーシャルネットワークイベントベース多因子結合に基づく流行度予測法【JST・京大機械翻訳】

Popularity Prediction Method Based on the Multi-Factor Coupling of the Online Social Network Event Base

著者 (5件)： Yu Hai (北京科技大学計算机与通信工程学院,北京 100083) ,  Lv Qingqing (中国電子科技集団公司第十五研究所,北京 100083) ,  Shi Peng (北京科技大学国家材料服役安全科学中心,北京 100083) ,  Wang Zheng (北京科技大学計算机与通信工程学院,北京 100083) ,  Hu Zhangjun (北京科技大学計算机与通信工程学院,北京 100083)
資料名： Tianjin Daxue Xuebao. Ziran Kexue Yugongcheng Jishu Ban  (Tianjin Daxue Xuebao. Ziran Kexue Yugongcheng Jishu Ban)
巻： 53  号： 12  ページ： 1272-1280  発行年： 2020年 
JST資料番号： C3006A  ISSN： 0493-2137  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 近年の新世代情報ネットワーク技術の高速発展に伴い、人々は社交ネットワークプラットフォームにより、社会上の各種事件をより早く、より広く知ることができるため、事件のソーシャルネットワークにおける伝播は次第に高速化、拡大化の特徴を呈した。この状況に対して、社交ネットワーク中のイベントをよりよく管理し、ネットワークイベント情報に対する管理レベルを高めるため、ソーシャルネットワークの情報伝播を分析する必要がある。流行度予測はオンラインソーシャルネットワークイベント情報伝播分析における研究焦点である。事件の流行度の予測は、ネットワーク事件の発生、発展、ピーク、終結などに対して深い見解を提供できる。流行度予測は広く研究されてきたが、事件関連情報と流行度に関連する要素は即時利用可能な指標データ、指標データの差異化などの問題を欠いており、事件の流行度を有効に予測することは依然としてよく解決されていない。そこで、本論文では、オンライン社交ネットワーク事件ベース多因子結合に基づく流行度予測方法を設計した。具体的には、まず、社交ネットワークイベントベースに基づく多因子指標取得方法を提案し、イベントベースを用いて、社交ネットワークデータの統一記憶に対して、マルチソース不均一データから各因子指標を抽出した。第2に,多因子結合のポピュラー予測法を提案し,因子指標の相互結合可能な低次元表現をブロック埋め込みにより得て,予測において多因子指標の総合的利用を実現した。最後に,Twitter7データセットにおける3000の主題ラベルを含むプッシュを,平均精度計算のために,実験対象として選択した。実験結果は,既存の深層ニューラルネットワークモデル(DNN),サポートベクトル回帰モデル(SVR),およびSH流行度予測モデルと比較して,提案した予測法が予測精度に優れていることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *予測技法 ,  *ネットワーク ,  相互接続 ,  情報ネットワーク ,  高速化 ,  予測モデル
準シソーラス用語： 予測精度 ,  *社会的ネットワーク ,  *オンライン ,  情報伝播 ,  サポートベクトル回帰 ,  低次元 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 流行 ,  予測法