文献

J-GLOBAL ID：202202270556107221   整理番号：22A0696199

拡散シーケンスとネットワーク構造によるユーザ表現の結合学習【JST・京大機械翻訳】

Joint Learning of User Representation With Diffusion Sequence and Network Structure

著者 (3件)： Wang Zhitao (Department of Computing, The Hong Kong Polytechnic University, Hong Kong) ,  Chen Chengyao (Department of Computing, The Hong Kong Polytechnic University, Hong Kong) ,  Li Wenjie (Department of Computing, The Hong Kong Polytechnic University, Hong Kong)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 34  号： 3  ページ： 1275-1287  発行年： 2022年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  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： 情報共有行動と社会的リンク構築行動は,ソーシャルメディアに関して強い相関を示した。本論文の目的は,情報拡散予測と社会的リンク予測問題に対応するソーシャルネットワークにおける情報拡散シーケンスとリンク挙動における共有挙動の同時モデリングと予測のためのこの相関を調査することである。この目標を達成するために,共有潜在空間における2つの相関挙動を特性化するための共同ユーザ表現学習モデルを提案した。提案モデルは,観測された情報拡散シーケンスとソーシャルネットワーク構造についてそれぞれ定義された2つの最尤推定目的を介してユーザ表現を学習し,それらを統一フレームワークに組み込む。マルチタスク学習アルゴリズムを効率的モデル最適化のために設計した。学習された表現に基づいて,このモデルを直接拡散過程を予測し,同時に観察されない社会的リンクを推論するために適用することができる。大規模な実験を有する2つの実際のソーシャルメディアデータセットに関する提案モデルを評価した。モデルは,拡散予測とリンク予測タスクに関する最先端のアプローチに対して,一貫して大幅な改善を達成した。更なるアブレーション研究における著者らのモデルのより良いロバスト性は,共有表現空間における挙動相関の捕捉が有益であることを示した。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： 最適化 ,  *表現 ,  *学習 ,  学習モデル ,  最尤法 ,  モデリング ,  *ネットワーク構造 ,  *利用者 ,  アブレーション ,  ロバスト性 ,  情報メディア ,  学習アルゴリズム ,  情報共有
準シソーラス用語： 社会的ネットワーク ,  ソーシャルメディア ,  情報伝播 , 【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 (5件)： 拡散 ,  シーケンス ,  ネットワーク構造 ,  表現 ,  学習