KDDFeb, 2020

TIES: 增强 Facebook 社交媒体诚信的时间交互嵌入

PDF
TL;DR本文提出了一种名为 TIES 的模型，它是一种基于深度学习的监督模型，可以保护 Facebook 上的不同社交媒体实体免受虚假信息、假账号和广告欺诈等问题的侵害。TIES 可以捕捉社交实体的动态和静态行为，具有良好的实时监测效果，可以在 Facebook 大规模网络中应用。
facebookintegritysocial mediadeep learningmisinformation
发现论文，激发创造
  • TIE：一种基于嵌入的增量式时间知识图谱补全框架

    文章介绍了一个新框架 Time-aware Incremental Embedding (TIE)，可用于支持频繁更新的时间知识图谱（TKG）的完整性补充任务（TKGC），提高了系统的效率，降低了训练时间。

    Apr, 2021

  • 语言无关立场检测的关系嵌入

    该研究提出了一种利用社交信息生成关系嵌入的新方法，该方法可以应用于任何语言和目标，有助于在社交网络上进行立场检测。实验证明，将我们的关系嵌入与文本方法相结合可以显著提高性能。

    Oct, 2022

  • TIMME: 多任务多关系嵌入实现 Twitter 意识形态检测

    本篇文章主要研究如何利用多任务多关系嵌入模型（TIMME）处理 Twitter 数据集中的意识形态探测分类问题，文章指出 TIMME 相比其他模型有更好的综合表现。

    Jun, 2020

  • 利用社交互动识别社交媒体上的错误信息

    在 COVID-19 疫情期间，使用多输入（MI）框架将社交媒体文本特征和网络信息特征结合起来，提高了检测不可靠信息的模型的准确性。

    Apr, 2023

  • TIGER: 带重启的时间交互图嵌入

    该研究提出了一种名为 TIGER 的时序图嵌入模型，引入了一个重启模块来生成代理表示，使模型能够从多个时间戳同时重启，从而使模型能够并行。与之前的模型不同，该模型引入了双重记忆模块以更好地利用邻域信息并减轻旧问题。

    Feb, 2023

  • 基于嵌入式检索的完整性和垃圾数据处理：以社交网络搜索为例的案例研究

    本文对基于嵌入式检索系统在社交网络搜索引擎上的应用进行了分析，在此基础上定义了完整性和垃圾这两大关键问题，并提出了一些有效方法用于解决该问题。作者指出，虽然这些方法还只是初步尝试，但已经取得了良好的离线指标和在线实验数据，未来还有更多研究可进一步探索。

    Apr, 2023

  • 使用图神经网络预测推文互动

    本文提出了一个基于图神经网络的解决方案，TweetGage，用于预测社交媒体上发布的帖子在用户参与度方面的影响，并通过一系列实验对其效果进行了验证。

    May, 2023

  • 时间感知图神经网络用于时态知识图之间的实体对齐

    本文研究子问题 - 在时间性知识图之间进行实体对齐，提出了一种基于图神经网络的时态感知实体对齐方法。实验证明，该方法在多个实际应用场景中明显优于现有技术。

    Mar, 2022

  • 提高事件时间关系提取的准确性：抽取还是猜测？

    本文提出了两方面的方法以提高 TempRel 的准确性，即进行反事实分析以减轻训练偏见的影响和提供不确定性估计并在文本中描述关系。在 MATRES，MATRES-DS 和 TDDiscourse 上的实验分析表明，我们的模型相对于 SOTA 方法更具有忠诚度，特别是在分布转移下。

    Oct, 2022

  • 面对面交互的社交网络动态

    探讨短时间尺度内的社交互动，提出一种考虑人们固有异质性和动态变化的会议场所的模型，该模型可应用于研究社交网络中的动态进程。

    Feb, 2011