| 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 | 2025-10-02 13:05 Bluesky上の動的社会ネットワークにおける影響拡散者の構造的特徴学習と予測 ○坊山慎之介・吉田 壮・棟安実治（関西大）  SIS2025-27 |
|
| 抄録 | （和） | ソーシャルメディアにおける影響拡散者の特定は，情報伝播の理解とマーケティング戦略の最適化において重要な課題である．特にBlueskyのような新興SNSでは，ユーザ数の急速な増加により動的に変化するネットワーク構造の中で高精度な影響拡散者予測手法が求められている．本研究では，時間発展するソーシャルネットワークにおける影響拡散者の識別・予測を目的とし，動的グラフニューラルネットワークに順序回帰学習を組み込んだ新たな手法を提案する．従来の2値分類手法とは異なり，提案手法は影響力を非影響拡散者，中程度影響拡散者，高影響力拡散者の3段階に分類し，これらの段階間の順序関係を明示的に学習する．さらに，ローリングウィンドウ法を用いて長期的な時系列依存関係を捉え，ネットワークの動的特性に対応する．BlueTempNetデータセットを用いた実験結果において，提案手法は従来のベースライン手法と比較して，特に新規ユーザの影響拡散者予測において優れた性能を示し，AUPRCで最大6.36ポイントの向上を達成した． |
| （英） | Understanding how information propagates and optimising marketing strategies requires identifying influential users on social media. In rapidly growing social networks such as Bluesky, effective prediction methods for identifying influential users within dynamically changing network structures are essential. This paper presents a new method for identifying and predicting influential users in evolving social networks, combining ordinal regression learning with dynamic graph neural networks. Unlike conventional binary classification methods, our approach categorises influence into three hierarchical levels — non-influential, moderately influential, and highly influential — and explicitly learns the ordinal relationships between these categories. Additionally, we use a rolling window approach to capture long-term temporal dependencies and address the dynamic characteristics of emerging social networks. Experimental results on the BlueTempNet dataset show that our method outperforms conventional baseline methods, especially in predicting influential new users, achieving improvements of up to 6.36 points in AUPRC scores. | |
| キーワード | （和） | グラフニューラルネットワーク / 動的グラフ / 社会ネットワーク / 順序回帰 / 影響拡散者予測 / / / |
| （英） | graph neural network / dynamic graph / social network / ordinal regression / prediction / / / | |
| 文献情報 | 信学技報, vol. 125, no. 191, SIS2025-27, pp. 17-22, 2025年10月. | |
| 資料番号 | SIS2025-27 | |
| 発行日 | 2025-09-25 (SIS) | |
| 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 | SIS2025-27 |
|
| 研究会情報 | |
| 研究会 | ITE-BCT SIS |
| 開催期間 | 2025-10-02 - 2025-10-03 |
| 開催地（和） | 福井繊協ビル |
| 開催地（英） | FUKUI SENKYO bldg. |
| テーマ（和） | システム実現技術，近距離通信応用システム，知的マルチメディア処理システム，放送・通信連携，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIS |
| 会議コード | 2025-10-BCT-SIS |
| 本文の言語 | 日本語 |
| タイトル（和） | Bluesky上の動的社会ネットワークにおける影響拡散者の構造的特徴学習と予測 |
| サブタイトル（和） | |
| タイトル（英） | Identifying Influential Users in Dynamic Social Graphs on Bluesky Using Graph-Based Representation Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | グラフニューラルネットワーク / graph neural network |
| キーワード(2)（和/英） | 動的グラフ / dynamic graph |
| キーワード(3)（和/英） | 社会ネットワーク / social network |
| キーワード(4)（和/英） | 順序回帰 / ordinal regression |
| キーワード(5)（和/英） | 影響拡散者予測 / prediction |
| 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） | 坊山 慎之介 / Shinnosuke Boyama / ボウヤマ シンノスケ |
| 第1著者 所属（和/英） | 関西大学 (略称： 関西大) Kansai University (略称： Kansai Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 吉田 壮 / Soh Yoshida / ヨシダ ソウ |
| 第2著者 所属（和/英） | 関西大学 (略称： 関西大) Kansai University (略称： Kansai Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 棟安 実治 / Mitsuji Muneyasu / ムネヤス ミツジ |
| 第3著者 所属（和/英） | 関西大学 (略称： 関西大) Kansai University (略称： Kansai Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-10-02 13:05:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SIS |
| 資料番号 | SIS2025-27 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.191 |
| ページ範囲 | pp.17-22 |
| ページ数 | 6 |
| 発行日 | 2025-09-25 (SIS) |
[研究会発表申込システムのトップページに戻る]