A Multimodal Framework for Topic Propagation Classification in Social Networks
Created by
- Haebom
Category
Empty
저자
Yuchuan Jiang, Chaolong Jia, Yunyi Qin, Wei Cai, Yongsen Qian
개요
본 논문은 소셜 네트워크 상에서 주제 관련 정보의 확산을 예측하는 새로운 모델을 제안합니다. 기존의 주제 접근 측정 방식 대신 사용자의 의사소통 특성을 정확하게 측정하고, 사용자 관계의 폭과 권위를 PageRank 알고리즘에 통합하여 사용자 영향력을 더 효과적으로 정량화합니다. 또한, Text-CNN을 이용한 감정 분석, Bi-LSTM을 이용한 노드의 시간적 임베딩, 그리고 Transformer 모델을 이용한 다차원 특징 통합을 통해 주제 확산 예측 성능을 향상시켰습니다. 실험 결과, 제안된 모델은 기존 머신러닝 및 단일 모드 딥러닝 모델보다 FI-Score, AUC, Recall 측면에서 우수한 성능을 보였습니다.
시사점, 한계점
•
시사점:
◦
소셜 네트워크 상의 주제 확산 예측 성능을 향상시키는 새로운 모델 제시.
◦
사용자 관계 폭, 사용자 권위, 감정 분석, 시간적 동태 등 다차원적 특징을 통합하여 예측 정확도 개선.
◦
기존 주제 접근 측정 방식보다 정확한 의사소통 특성 측정 방식 제시.
◦
Transformer 모델을 활용하여 다양한 특징들을 효과적으로 통합.
•
한계점:
◦
제안된 모델의 일반화 성능에 대한 추가적인 검증 필요. (다양한 소셜 네트워크 및 주제에 대한 실험 결과 필요)
◦
사용자 권위 및 관계 폭 측정의 정확성에 대한 추가적인 분석 필요.
◦
특정 소셜 네트워크 플랫폼에 특화된 모델일 가능성 존재. (다른 플랫폼으로의 일반화 가능성 검증 필요)
◦
모델의 해석력에 대한 추가적인 연구 필요. (예측 결과에 대한 설명력 제고 필요)
