文献

J-GLOBAL ID：202202226579351294   整理番号：22A1036846

ユーザ情報転送行動を予測するための提案手法【JST・京大機械翻訳】

A Proposed Method for Predicting User Disinformation Forwarding Behavior

著者 (7件)： Fang Bing (Department of Information Management, School of Management, Shanghai University, Shanghai 200444, China) ,  Zhang Fan (Department of Information Management, School of Management, Shanghai University, Shanghai 200444, China) ,  Hou Limin (Department of Information Management, School of Management, Shanghai University, Shanghai 200444, China) ,  Hu Enpeng (Department of Information Management, School of Management, Shanghai University, Shanghai 200444, China) ,  Zhang Jingwen (Department of Information Management, School of Management, Shanghai University, Shanghai 200444, China) ,  Shen Junyang (Department of Information Management, School of Management, Shanghai University, Shanghai 200444, China) ,  Chen Yang (Department of Information Management, School of Management, Shanghai University, Shanghai 200444, China)
資料名： Scientific Programming  (Scientific Programming)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W0689A  ISSN： 1058-9244  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 現在,ソーシャルネットワークサイト(SNS)は,情報が放出され,普及している主要なチャネルとなっている。社会メディアに関する不情報の効果的制御なしで,社会的安定性への重大な脅威が発生する可能性がある。従来のメディアと異なり,フォワーディングはソーシャルメディアに関する情報を伝播する重要なアプローチとなっている。したがって,不情報化を前進させるユーザが前もって同定されるならば,それらは,情報を転送することから防止でき,そして,不情報の有害影響を最小化できるであろう。情報を前進させるユーザを同定するために,個人の転送情報の確率を予測するべきである。ソーシャルネットワーク上の個人の情報転送確率を予測する新しい方法を提案した。提案手法は,個人情報転送に影響する特徴を抽出し,特に,ユーザが情報に不感性に関連する特徴を抽出する。ブートストラップサンプリングと期待値最大化(EM)アルゴリズムを組み合わせて,観測されない特徴を学習して,提案方法は,個人の情報転送確率を予測するために,観察と観察されない特徴の両方を利用する。中国における最大のソーシャルメディアプラットフォームである「Weibo」からのデータを用いて,提案した方法の有効性を実証した。Copyright 2022 Bing Fang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  ブートストラップ ,  *情報 ,  データ転送 ,  有効性 ,  チャネル ,  Web【情報システム】
準シソーラス用語： EMアルゴリズム ,  情報化 ,  社会的ネットワーク ,  フォワーディング ,  ソーシャルメディア ,  *顧客情報 ,  ソーシャルネットワークサイト , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  計算機網  (JC03000K)

引用文献 (64件)：

• D. M. J. Lazer, M. A. Baum, Y. Benkler, A. J. Berinsky, K. M. Greenhill, F. Menczer, M. J. Metzger, B. Nyhan, G. Pennycook, D. Rothschild, M. Schudson, S. A. Sloman, C. R. Sunstein, E. A. Thorson, D. J. Watts, J. L. Zittrain, "The science of fake news," Science, vol. 359, no. 6380, pp. 1094-1096, 2018.
• S. Ouyang, A. Lawlor, "Improving explainable recommendations by deep review-based explanations," IEEE Access, vol. 9, pp. 67444-67455, 2021.
• K. Demestichas, K. Remoundou, E. Adamopoulou, "Food for thought: fighting fake news and online disinformation," IT Professional, vol. 22, no. 2, pp. 28-34, 2020.
• Y. Mu, N. Aletras, "Identifying Twitter users who repost unreliable news sources with linguistic information," PeerJ Computer Science, vol. 6, no. 2, pp. e325, 2020.
• S. Vosoughi, D. Roy, S. Aral, "The spread of true and false news online," Science, vol. 359, no. 6380, pp. 1146-1151, 2018.

タイトルに関連する用語 (6件)： ユーザ情報 ,  転送 ,  行動 ,  予測 ,  提案 ,  手法