揭示在线照片分享的真实生活影响
计算机视觉与模式识别
2021-11-09 v2 机器学习
社会与信息网络
摘要
社交网络以免费使用其服务为代价，换取利用其用户数据的权利。数据共享由用户选择初始情境下进行。然而，数据被社交网络及第三方用于往往不透明的不同情境中。为揭示此类使用，我们提出一种聚焦于在重大真实生活情境中数据共享影响的方法。重点关注视觉内容，因其对塑造在线用户画像具有强烈影响。该方法依赖三个组件：（1）一组通过众包获得、带情境影响评分的视觉对象，（2）一组对应的用于挖掘用户照片的对象检测器，以及（3）由 500 个按情境人工评分的视觉用户画像构成的真实数据集。这些组件组合于 LERVUP 方法中，其学习对每个情境下的视觉用户画像进行评分。LERVUP 利用一种新的图像描述符，在用户层级聚合对象评分与对象检测，并采用注意力机制提升高评分对象以防止其被低评分对象淹没。通过测量档案评分自动排序与人工真实排序间的相关性，按情境评估性能。结果表明 LERVUP 是有效的，因为获得了两种排序间的强相关性。文中还讨论了该方法的移动应用实际实现，以提升用户对共享数据使用的意识。
引用
@article{arxiv.2012.13180,
title = {Unveiling Real-Life Effects of Online Photo Sharing},
author = {Van-Khoa Nguyen and Adrian Popescu and Jerome Deshayes-Chossart},
journal= {arXiv preprint arXiv:2012.13180},
year = {2021}
}