Kirjaudu sisään
näkemys - 소셜 네트워크 분석
소셜 네트워크에서 딥 강화 학습을 활용한 의견 형성 전략
본 연구는 소셜 네트워크 내 봇-사용자 상호작용과 타겟 광고를 활용하여 의견 형성을 효과적으로 조절하는 딥 강화 학습 기반 접근법을 제안한다.
소셜 데이터 1년치로 살펴본 인사이트: "오늘 밤 블루스카이에 있어"
온라인 소셜 공간의 오디스정보 확산이 증가하는 사회적 우려에도 불구하고, 최근 소셜 미디어 API 접근 제한으로 인해 공개적으로 이용 가능한 최신 소셜 미디어 데이터가 부족해지면서 계산사회과학의 발전이 저해되고 있다. 이 연구는 이러한 문제를 해결하기 위해 블루스카이 소셜 데이터 세트를 소개한다.
트위터 리트윗 캐스케이드를 활용한 가짜 뉴스 탐지 방법론 HyperGraphDis
HyperGraphDis는 트위터 리트윗 캐스케이드의 내용과 사용자 간 관계 정보를 활용하여 효과적이고 효율적으로 가짜 뉴스를 탐지할 수 있는 혁신적인 방법론이다.
다중 정보 전파 최대화를 위한 그래프 베이지안 최적화
다중 정보 전파 모델을 활용하여 사용자와 정보 아이템의 최적 조합을 찾아 다중 정보 전파를 최대화하는 문제를 해결한다.
소셜 네트워크 분석을 통한 극단화 과정 측정: 특이값 분해를 이용한 네트워크 차원 감소 분석
소셜 네트워크 그래프의 최적 차원 감소는 사회적 상호작용의 극단화 과정을 나타낸다.
소셜 네트워크에서 정보 전파 예측을 위한 계층적 정보 강화 네트워크
본 연구는 소셜 그래프 정보, 하위 전파 그래프 정보, 전파 시퀀스 정보를 통합하여 정보 전파 예측을 위한 계층적 특징 강화 모델을 제안한다.
소셜 네트워크에서 핵심 노드 식별을 위한 다중 관점 메모리 강화 네트워크
다중 관점 메모리 강화 네트워크(MMEN)는 소셜 네트워크에서 핵심 노드를 다각도로 식별하고, 유사한 하위 그래프 정보를 메모리에 저장하여 모델의 일반화 성능을 향상시킨다.
소셜 네트워크에서 타겟 노드 크롤링을 위한 그래프 신경망
그래프 신경망을 활용하여 소셜 네트워크에서 타겟 노드를 효율적으로 수집할 수 있다.
Tuotteet | Materiaalit
© 2024 by Linnk AI