| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2023-07-12 14:50 異なるドメインに適用可能なインフルエンサー特定手法に関する一検討 ○田原幸太・津川 翔（筑波大）  CQ2023-12 |
|
| 抄録 | （和） | ソーシャルメディアにおいて、他の多くのユーザーに情報を拡散できるインフルエンサーを特定することは重要な研究課題の一つである。これまで、インフルエンサーを特定する様々な手法が提案されているが、その中でも特に機械学習を用いる手法が有望視されている。しかし既存手法の多くは、与えられたソーシャルグラフにおいてインフルエンサー予測モデルを構築し、構築したモデルをそのグラフに適用することを前提とするため、学習元と異なるグラフに対する予測モデルの汎化性能はこれまで十分明らかにされていない。そこで本稿では、学習元と適用先のドメインが異なる場合にどの程度の精度でインフルエンサーを予測できるか明らかにすることを目的とする。具体的には、3つのデータセットを用いて、それぞれのデータセットでLightGBMとドメイン適応可能なグラフニューラルネットワークUDA-GCNを用いてインフルエンサー予測モデルを学習する。学習元とは異なるデータセットに対して構築したモデルを適用し、その予測精度を評価する。その結果、LightGBMモデルを学習元と異なるドメインに適用すると大幅に精度が下がるが、UDA-GCNモデルの予測精度は適用先のドメインのラベル付きデータで学習したモデルに匹敵することなどを示す。 |
| （英） | Identifying influencers on social media who can spread information to many other users is one of the important research issues. Various methods for identifying influencers have been proposed, among which the use of machine learning has shown particular promise. However, most of the existing studies constructed an influencer prediction model for a given social graph and apply the model to the same graph, and therefore, the generalizability of the prediction model to graphs different from the training source has not been sufficiently clarified. In this paper, we aim to clarify the prediction accuracy of the influencer identification models when the learning source domain and the application domain are different. Specifically, we train models using LightGBM and UDA-GCN on each of three social media datasets. We apply the constructed models to datasets different from the training source and evaluate their prediction accuracy. The results show that applying the LightGBM model to a different domain significantly reduces its accuracy, while the UDA-GCN model shows prediction accuracy comparable to the models trained by using labeled data in the target domain. | |
| キーワード | （和） | ソーシャルグラフ / インフルエンサー / ドメイン適応 / グラフニューラルネットワーク / / / / |
| （英） | social graph / influencer / domain adaptation / graph neural network / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 102, CQ2023-12, pp. 24-29, 2023年7月. | |
| 資料番号 | CQ2023-12 | |
| 発行日 | 2023-07-05 (CQ) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | CQ2023-12 |
|
| 研究会情報 | |
| 研究会 | CQ |
| 開催期間 | 2023-07-12 - 2023-07-13 |
| 開催地（和） | 北海道立道民活動センター |
| 開催地（英） | |
| テーマ（和） | QoE/QoS最適化・制御、品質最適化、品質制御、一般 |
| テーマ（英） | QoE and QoS Optimization/Control, Network Optimization/Control, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | CQ |
| 会議コード | 2023-07-CQ |
| 本文の言語 | 日本語 |
| タイトル（和） | 異なるドメインに適用可能なインフルエンサー特定手法に関する一検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Influencer Prediction Methods Applicable to Dfferent Domains |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ソーシャルグラフ / social graph |
| キーワード(2)（和/英） | インフルエンサー / influencer |
| キーワード(3)（和/英） | ドメイン適応 / domain adaptation |
| キーワード(4)（和/英） | グラフニューラルネットワーク / graph neural network |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 田原 幸太 / Kota Tahara / タハラ コウタ |
| 第1著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： ITF) |
| 第2著者 氏名（和/英/ヨミ） | 津川 翔 / Sho Tsugawa / |
| 第2著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： ITF) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-07-12 14:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | CQ |
| 資料番号 | CQ2023-12 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.102 |
| ページ範囲 | pp.24-29 |
| ページ数 | 6 |
| 発行日 | 2023-07-05 (CQ) |
[研究会発表申込システムのトップページに戻る]