文献

J-GLOBAL ID：202202213195079981   整理番号：22A0482995

マルチモーダル自己注意機構に基づくソーシャルメディア人気度予測【JST・京大機械翻訳】

Social Media Popularity Prediction Based on Multi-Modal Self-Attention Mechanisms

著者 (5件)： Lin Hung-Hsiang (Department of Computer Science and Information Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan) ,  Lin Jiun-Da (Department of Computer Science and Information Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan) ,  Ople Jose Jaena Mari (Department of Computer Science and Information Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan) ,  Chen Jun-Cheng (Research Center for Information Technology Innovation, Academia Sinica, Taipei, Taiwan) ,  Hua Kai-Lung (Department of Computer Science and Information Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 4448-4455  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 社会メディアを用いたポータリー予測は,広告,推薦システム,および傾向分析のような広範囲の実世界アプリケーションのため,重要なタスクである。しかし,このタスクは,ソーシャルメディアが簡単にモデル化できない複数の因子(例えば,コンテンツの質,視聴者への関連性,実生活事象)により影響されるので,挑戦的である。通常,他の方法は,それらのモデルにできるだけ多くのモダリティと因子を含む欲張り手法を採用するが,これらの特徴を等しく処理する。この現象を解くために,著者らの提案方法は,異なる特徴を効果的かつ自動的に融合するために,自己注意機構を利用して,事後の人気予測のためのより良い性能を達成して,そこで,著者らのモデルで使用される特徴を,主に2つのモダリティ,セマンティック(テキスト)および数値的特徴に分類することができた。挑戦的なACMマルチメディアSMPD2020チャレンジデータセットの訓練と試験データに関する広範な実験とアブレーション研究によって,評価結果は,他の方法と比較して,提案した方法の有効性を実証した。Copyright 2022 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： 応用プログラム ,  *多モード ,  有効性 ,  アブレーション ,  視聴者 ,  マルチメディア ,  コンテンツ
準シソーラス用語： モダリティ ,  推奨システム ,  試験データ ,  *ソーシャルメディア , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： マルチモーダル ,  自己注意機構 ,  ソーシャルメディア ,  予測