在线社交网络中的全局性检测
社会与信息网络
2018-12-19 v1 机器学习
机器学习
摘要
由于人工智能(AI)的成熟,分类问题取得了显著进展。然而,对于机器而言,区分没有明显边界的类别项仍是一项巨大挑战——这也是机器具备智能的关键所在。为研究分类中的模糊概念,我们定义并提出了一种具有四阶段操作流程的全局性检测。随后,我们在带有地理定位的 Facebook 公开主页互赞图上展示了我们的框架。我们的预测算法对本地主页取得了高精度(89%)和高召回率(88%)。我们在州和国家两个层面对结果进行了评估,发现那些拥有大型国际化城市的州(NY、CA)中全局节点比例相对较高。本文还展示并研究了若干全局节点示例。我们希望我们的结果能揭示每个分类问题中的完美价值,并增进对在线社交网络(OSNs)中全局与本地节点的理解。
引用
@article{arxiv.1812.07135,
title = {Globalness Detection in Online Social Network},
author = {Yu-Cheng Lin and Chun-Ming Lai and S. Felix Wu and George A. Barnett},
journal= {arXiv preprint arXiv:1812.07135},
year = {2018}
}
备注
6 pages, to be appeared in IEEE International Conference on Semantic Computing (ICSC2019)