Published December 8, 2022 | Version v1
Publication Open

A three-tiered semi supervised MTL mechanism and its application in dating apps

Creators

  • 1. Peking University
  • 2. Intelligent Health (United Kingdom)
  • 3. Coventry University

Description

Abstract A thorough understanding of the purpose of dating applications is crucial for service providers in order to optimize the design and user experience of the application. Despite the fact that many APPs prompt users to provide their usage purpose, many do not reveal this attribute. In this study, a three-module framework with semi-supervised and multitask learning mechanisms is proposed (T-SSMTL). Using the T-SSMTL mechanism, the purpose of the dating APP usage can be automatically inferred from the publicly available heterogeneous data of the user. The heterogeneous feature extraction module employs a number of techniques to extract semantic representations, maximizing the use of heterogeneous dating APP data. The multi-task module extracts task-specific knowledge for learning and solves the classification problem involving multiple labels. To alleviate the problem of label insufficiency, the semi-supervised module utilizes a large quantity of unlabeled data generated by users who do not report their usage purpose. A large-scale dataset containing 34,364 active dating APP users with their self-reported usage purpose, portrait image, profile, and posts was collected to evaluate the T-SSMTL framework. In the context of this dataset, simulation experiments have confirmed the efficacy of all three modules of the T-SSMTL framework, demonstrating its substantial theoretical significance as well as its excellent application value.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

الخلاصة إن الفهم الشامل للغرض من تطبيقات المواعدة أمر بالغ الأهمية لمقدمي الخدمات من أجل تحسين تصميم التطبيق وتجربة المستخدم. على الرغم من أن العديد من تطبيقات التطبيقات تطالب المستخدمين بتقديم غرض الاستخدام الخاص بهم، إلا أن العديد منهم لا يكشفون عن هذه السمة. في هذه الدراسة، يُقترح إطار عمل من ثلاث وحدات مع آليات تعلم شبه خاضعة للإشراف ومتعددة المهام (T - SMTL). باستخدام آلية T - SMTL، يمكن استنتاج الغرض من استخدام تطبيق المواعدة تلقائيًا من البيانات غير المتجانسة المتاحة للجمهور للمستخدم. تستخدم وحدة استخراج الميزات غير المتجانسة عددًا من التقنيات لاستخراج التمثيلات الدلالية، مما يزيد من استخدام بيانات تطبيق المواعدة غير المتجانسة. تستخرج الوحدة النمطية متعددة المهام المعرفة الخاصة بالمهمة للتعلم وتحل مشكلة التصنيف التي تتضمن تسميات متعددة. للتخفيف من مشكلة عدم كفاية الملصقات، تستخدم الوحدة شبه الخاضعة للإشراف كمية كبيرة من البيانات غير المسماة التي ينشئها المستخدمون الذين لا يبلغون عن الغرض من استخدامهم. تم جمع مجموعة بيانات واسعة النطاق تحتوي على 34364 مستخدمًا نشطًا لتطبيق المواعدة مع غرض الاستخدام الذي تم الإبلاغ عنه ذاتيًا، وصورة شخصية، وملف تعريف، ومنشورات لتقييم إطار عمل T - SMTL. في سياق مجموعة البيانات هذه، أكدت تجارب المحاكاة فعالية جميع الوحدات الثلاث لإطار T - SMTL، مما يدل على أهميتها النظرية الجوهرية بالإضافة إلى قيمتها التطبيقية الممتازة.

Translated Description (French)

Résumé Une compréhension approfondie de l'objectif des applications de datation est cruciale pour les fournisseurs de services afin d'optimiser la conception et l'expérience utilisateur de l'application. Malgré le fait que de nombreux APP incitent les utilisateurs à fournir leur objectif d'utilisation, beaucoup ne révèlent pas cet attribut. Dans cette étude, un cadre à trois modules avec des mécanismes d'apprentissage semi-supervisés et multitâches est proposé (T-SSMTL). À l'aide du mécanisme T-SSMTL, le but de l'utilisation de L'APPLICATION de rencontres peut être automatiquement déduit des données hétérogènes de l'utilisateur accessibles au public. Le module d'extraction de caractéristiques hétérogènes utilise un certain nombre de techniques pour extraire des représentations sémantiques, maximisant l'utilisation de données d'APPLICATION de datation hétérogènes. Le module multitâche extrait des connaissances spécifiques à la tâche pour l'apprentissage et résout le problème de classification impliquant plusieurs étiquettes. Pour pallier le problème de l'insuffisance des étiquettes, le module semi-supervisé utilise une grande quantité de données non étiquetées générées par des utilisateurs qui ne signalent pas leur objectif d'utilisation. Un ensemble de données à grande échelle contenant 34 364 utilisateurs actifs d'APPLICATIONS de rencontres avec leur objectif d'utilisation autodéclaré, leur image portrait, leur profil et leurs publications a été collecté pour évaluer le cadre T-SSMTL. Dans le cadre de cet ensemble de données, des expériences de simulation ont confirmé l'efficacité des trois modules du cadre T-SSMTL, démontrant son importance théorique substantielle ainsi que son excellente valeur d'application.

Translated Description (Spanish)

Resumen Una comprensión profunda del propósito de las aplicaciones de citas es crucial para los proveedores de servicios con el fin de optimizar el diseño y la experiencia del usuario de la aplicación. A pesar de que muchas aplicaciones piden a los usuarios que proporcionen su propósito de uso, muchas no revelan este atributo. En este estudio se propone un marco de tres módulos con mecanismos de aprendizaje semi-supervisados y multitarea (T-SSMTL). Usando el mecanismo T-SSMTL, el propósito del uso de la APLICACIÓN de citas se puede inferir automáticamente a partir de los datos heterogéneos del usuario disponibles públicamente. El módulo de extracción de características heterogéneas emplea una serie de técnicas para extraer representaciones semánticas, maximizando el uso de datos heterogéneos de APLICACIONES de citas. El módulo multitarea extrae conocimientos específicos de la tarea para el aprendizaje y resuelve el problema de clasificación que involucra múltiples etiquetas. Para aliviar el problema de la insuficiencia de etiquetas, el módulo semisupervisado utiliza una gran cantidad de datos no etiquetados generados por usuarios que no informan su propósito de uso. Se recopiló un conjunto de datos a gran escala que contenía 34,364 usuarios activos de APLICACIONES de citas con su propósito de uso autoinformado, imagen de retrato, perfil y publicaciones para evaluar el marco T-SSMTL. En el contexto de este conjunto de datos, los experimentos de simulación han confirmado la eficacia de los tres módulos del marco T-SSMTL, lo que demuestra su importancia teórica sustancial, así como su excelente valor de aplicación.

Files

s00521-022-08081-9.pdf.pdf

Files (1.5 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:5252ab5a22fe19e58ea1c5a7d1a1b3ff
1.5 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
آلية قائمة متوسطة المدى شبه خاضعة للإشراف من ثلاثة مستويات وتطبيقها في تطبيقات المواعدة
Translated title (French)
Un mécanisme MTL semi supervisé à trois niveaux et son application dans les applications de rencontres
Translated title (Spanish)
Un mecanismo MTL semi-supervisado de tres niveles y su aplicación en aplicaciones de citas

Identifiers

Other
https://openalex.org/W4311881931
DOI
10.1007/s00521-022-08081-9

Is supplement to
https://openalex.org/W4389989304 (Other)
https://openalex.org/W4389374014 (Other)
https://openalex.org/W4312414840 (Other)
https://openalex.org/W4287117940 (Other)
https://openalex.org/W4206276646 (Other)
https://openalex.org/W34092691 (Other)
https://openalex.org/W3170999895 (Other)
https://openalex.org/W2952937263 (Other)
https://openalex.org/W2131513867 (Other)
https://openalex.org/W2036486025 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1832693441
  • https://openalex.org/W1895708297
  • https://openalex.org/W1989390698
  • https://openalex.org/W2003856922
  • https://openalex.org/W2014622764
  • https://openalex.org/W2030681252
  • https://openalex.org/W2031363884
  • https://openalex.org/W2051659537
  • https://openalex.org/W2093394699
  • https://openalex.org/W2144004138
  • https://openalex.org/W2146786371
  • https://openalex.org/W2157023397
  • https://openalex.org/W2323410290
  • https://openalex.org/W2344557644
  • https://openalex.org/W2344881265
  • https://openalex.org/W2581008872
  • https://openalex.org/W2585378574
  • https://openalex.org/W2588122555
  • https://openalex.org/W2594465600
  • https://openalex.org/W2618536175
  • https://openalex.org/W2740966010
  • https://openalex.org/W2807710762
  • https://openalex.org/W2824282603
  • https://openalex.org/W2866390897
  • https://openalex.org/W2870301986
  • https://openalex.org/W2947903537
  • https://openalex.org/W2962947218
  • https://openalex.org/W2982281530
  • https://openalex.org/W3102385198
  • https://openalex.org/W3206793407
  • https://openalex.org/W4212984430
  • https://openalex.org/W4298204872