ترجمه فارسی مقاله آیا ما به آنچه آنها می گویند یا آنچه انجام می دهند اعتماد داریم؟ تعبیه کاربر چندوجهی توضیحات شخصی را ارائه می دهد

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Do We Trust What They Say or What They Do? A Multimodal User Embedding Provides Personalized Explanations
عنوان مقاله به فارسی آیا ما به آنچه آنها می گویند یا آنچه انجام می دهند اعتماد داریم؟ تعبیه کاربر چندوجهی توضیحات شخصی را ارائه می دهد
نویسندگان Zhicheng Ren, Zhiping Xiao, Yizhou Sun
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Social and Information Networks,Information Retrieval,Machine Learning,شبکه های اجتماعی و اطلاعاتی , بازیابی اطلاعات , یادگیری ماشین ,
توضیحات Submitted 3 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 3 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

With the rapid development of social media, the importance of analyzing social network user data has also been put on the agenda. User representation learning in social media is a critical area of research, based on which we can conduct personalized content delivery, or detect malicious actors. Being more complicated than many other types of data, social network user data has inherent multimodal nature. Various multimodal approaches have been proposed to harness both text (i.e. post content) and relation (i.e. inter-user interaction) information to learn user embeddings of higher quality. The advent of Graph Neural Network models enables more end-to-end integration of user text embeddings and user interaction graphs in social networks. However, most of those approaches do not adequately elucidate which aspects of the data - text or graph structure information - are more helpful for predicting each specific user under a particular task, putting some burden on personalized downstream analysis and untrustworthy information filtering. We propose a simple yet effective framework called Contribution-Aware Multimodal User Embedding (CAMUE) for social networks. We have demonstrated with empirical evidence, that our approach can provide personalized explainable predictions, automatically mitigating the impact of unreliable information. We also conducted case studies to show how reasonable our results are. We observe that for most users, graph structure information is more trustworthy than text information, but there are some reasonable cases where text helps more. Our work paves the way for more explainable, reliable, and effective social media user embedding which allows for better personalized content delivery.

چکیده به فارسی (ترجمه ماشینی)

با توسعه سریع رسانه های اجتماعی ، اهمیت تجزیه و تحلیل داده های کاربر شبکه اجتماعی نیز در دستور کار قرار گرفته است.یادگیری نمایندگی کاربر در رسانه های اجتماعی یک منطقه مهم از تحقیقات است که بر اساس آن می توانیم تحویل محتوای شخصی را انجام دهیم یا بازیگران مخرب را تشخیص دهیم.پیچیده تر از بسیاری از انواع دیگر داده ها ، داده های کاربر شبکه اجتماعی دارای ماهیت ذاتی مولتیودال هستند.رویکردهای مختلف چند حالته برای مهار هر دو متن (یعنی محتوای پست) و رابطه (یعنی تعامل بین کاربر) برای یادگیری تعبیه های کاربر با کیفیت بالاتر ارائه شده است.ظهور مدل های شبکه عصبی نمودار ، ادغام بیشتر به پایان در تعبیه متن کاربر و نمودارهای تعامل کاربر را در شبکه های اجتماعی امکان پذیر می کند.با این حال ، بسیاری از این رویکردها به اندازه کافی مشخص نمی کنند که جنبه های داده - متن یا اطلاعات ساختار نمودار - برای پیش بینی هر کاربر خاص تحت یک کار خاص مفیدتر است ، و بر روی تجزیه و تحلیل شخصی پایین دست و فیلتر اطلاعات غیرقابل اعتماد ، بارگذاری می کند.ما یک چارچوب ساده و در عین حال مؤثر به نام تعبیه کاربر چند مدلی آگاه (CAMUE) برای شبکه های اجتماعی پیشنهاد می کنیم.ما با شواهد تجربی نشان داده ایم که رویکرد ما می تواند پیش بینی های قابل توضیح شخصی را ارائه دهد ، و به طور خودکار تأثیر اطلاعات غیرقابل اعتماد را کاهش می دهد.ما همچنین مطالعات موردی را انجام دادیم تا نشان دهیم که نتایج ما چقدر منطقی است.ما مشاهده می کنیم که برای اکثر کاربران ، اطلاعات ساختار نمودار از اطلاعات متن قابل اعتماد تر است ، اما موارد معقول وجود دارد که متن به بیشتر کمک می کند.کار ما راه را برای تعبیه قابل توضیح ، قابل اعتماد و مؤثرتر در رسانه های اجتماعی فراهم می کند که امکان تحویل بهتر محتوای شخصی را فراهم می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.