Sep, 2015

推特用户的 Pinterest 画板推荐

PDF
TL;DR本文提出了一种新型的 Pinboard 推荐系统，使用 MultiLabel 分类将 Twitter 用户的关注者映射到 Pinboard 主题，并使用视觉多样性方法为用户推荐相关的 Pinboard，该推荐系统在拥有 2000 个用户的数据集上进行了初步实验。
pinboard recommendation systemmultilabel classificationvisual diversificationsocial media platformsinformation discovery
发现论文，激发创造
  • 基于社交矩阵分解的协同主题回归推荐系统

    本文提出了一种新颖的基于层次贝叶斯模型的社交网络信息效果预测方法，并结合主题建模和概率矩阵分解，从训练数据中自动推断有用的潜在主题和社交信息以及其对协作过滤的重要性，并展现了该算法在推荐系统方面优于现有方法的实验结果，揭示了社交圈在信息的决策过程中比个人品味更具影响力，以及可能在许多利用社交信息的推荐系统中存在的信息泄露问题的解决方案。

    Jun, 2012

  • Twitter 主题分类

    本文针对社交媒体中讨论的各种话题，通过推文主题分类研究，提供两个相关数据集用于评估推文分类模型，并在语言模型上进行量化评估和分析。

    Sep, 2022

  • 智能消息行为识别系统

    通过引入 Image Retweet Modeling (IRM) 这一网络模型，本研究探讨了短信息服务（SMS）中预测图片转发的问题，并对用户在 Twitter 上分享照片的行为进行预测。该研究提出了一种基于文本引导的多模神经网络方法，能够学习图像 Twitter 表示和用户偏好表示，并在广泛数据集上的多次实验证明本方法在社交网络平台中的预测任务上优于当前方法。

    Apr, 2024

  • 利用联合嵌入模型分析 Twitter 用户的生活方式选择

    通过多视角表示学习，结合用户的社交和文本信息，构建相关用户的上下文表示，以理解他们的生活方式选择，该文提出了一种联合嵌入模型并将其应用于推文分析。在实验中，模型在 Yoga 和 Keto 饮食领域中均取得了较好的表现。

    Apr, 2021

  • 通过多民族场景推断政治倾向

    社交媒体用户通过与其他用户的互动、自发声明或参与网络社区表达其政治偏好，因此像 Twitter 这样的社交网络是研究计算科学方法在政治学习推理方面的宝贵数据源。本研究聚焦于西班牙的三个多样化地区（巴斯克地区、加泰罗尼亚和加利西亚），探索用于分析不断演变和复杂的政治格局所需的多党分类的各种方法，并将其与二元左右派方法进行比较。我们采用两步法，通过从转发中获取的无监督用户表示来进行政治倾向检测。对于由标记用户及其互动组成的新收集和筛选数据集的全面实验证明，将关系嵌入作为政治意识形态检测的表示方法，在有限的训练数据下，在二元和多党框架中都具有有效性。最后，数据可视化展示了关系嵌入捕捉复杂的组内和组间政治共鸣的能力。

    Jun, 2024

  • 融合社交网络的用户级情感分析

    研究表明，社交关系信息可以用于提高用户级情感分析，实验结果表明，将社交网络信息纳入支持向量机等分类器的训练可以明显提高情感分析的效果。

    Sep, 2011

  • 预测推文流行度的贝叶斯方法

    本研究应用贝叶斯方法通过观测 Twitter 上短消息的转发情况和本地网络结构的信息，预测了短消息的传播程度和转发总数，有效提前几分钟预测结果，对于理解社交网络中的广义思想、主题或趋势的传播有潜在的启示作用。

    Apr, 2013

  • 使用弱监督图嵌入表示 Twitter 用户

    本研究提出了一种基于图嵌入技术的弱监督框架来理解社交媒体用户类型，通过对推特中与健康相关的信息进行监督，我们证明了该框架在检测用户类型方面的优势，并展示了不同类型用户（从我们的数据集）的数据分析。

    Aug, 2021

  • 学习社交媒体用户的不变表示

    本文提出了一种从社交媒体用户活动的短时段中学习映射的方法，以产生用户固有特征相似度的向量空间，其中距离捕捉到相应用户的相似性，并通过 Reddit、Twitter 和 Wikipedia 的数据进行了全面评估。

    Oct, 2019

  • 在 Twitter 辩论中识别持不同观点的用户

    使用 Retweet-Based Label Propagation 算法和监督分类器识别社交媒体上不同意见的用户，以了解公共政策等热门议题的大众观点。

    Feb, 2014