論文の概要: A Comprehensive Survey on Outlying Aspect Mining Methods

• arxiv url: http://arxiv.org/abs/2005.02637v2
• Date: Wed, 27 May 2020 04:39:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 04:55:53.341982
• Title: A Comprehensive Survey on Outlying Aspect Mining Methods
• Title（参考訳）: アウトライン・アスペクト・マイニング法に関する総合調査
• Authors: Durgesh Samariya and Jiangang Ma and Sunil Aryal
• Abstract要約: アスペクトマイニングは、与えられたデータオブジェクトが他のデータオブジェクトと異なる機能セットを見つけるタスクである。 我々は3つの異なるカテゴリーで、既存のアウトリーニング・アスペクト・マイニング・アプローチをグループ分けした。 本研究の背景にあるのは、既存の鉱業技術とこれらの技術がどのように開発されたのかをよりよく理解することである。
• 参考スコア（独自算出の注目度）: 2.971423962840551
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, researchers have become increasingly interested in outlying aspect mining. Outlying aspect mining is the task of finding a set of feature(s), where a given data object is different from the rest of the data objects. Remarkably few studies have been designed to address the problem of outlying aspect mining; therefore, little is known about outlying aspect mining approaches and their strengths and weaknesses among researchers. In this work, we have grouped existing outlying aspect mining approaches in three different categories. For each category, we have provided existing work that falls in that category and then provided their strengths and weaknesses in those categories. We also offer time complexity comparison of the current techniques since it is a crucial issue in the real-world scenario. The motive behind this paper is to give a better understanding of the existing outlying aspect mining techniques and how these techniques have been developed.
• Abstract（参考訳）: 近年、研究者は側面採掘への関心が高まっている。 アスペクトマイニングは、与えられたデータオブジェクトが他のデータオブジェクトとは異なる機能の集合を見つけるタスクである。 アスペクトマイニングの問題に対処するために設計された研究はほとんどなく、アスペクトマイニングのアプローチと研究者の強みと弱点についてはほとんど知られていない。 この研究では、既存のアウトライジングアスペクトマイニングアプローチを3つのカテゴリに分類した。 各カテゴリについて、そのカテゴリに該当する既存の作業を提供し、そのカテゴリの長所と短所を提供します。 現実のシナリオにおいて重要な問題であるため、現在のテクニックの時間的複雑さ比較も提供します。 本研究の背景にあるのは、既存の鉱業技術とこれらの技術がどのように開発されたのかをよりよく理解することである。

関連論文リスト

• A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning [58.107474025048866]
  蓄積とは、以前に獲得した知識の喪失または劣化を指す。 フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
  論文  参考訳（メタデータ） (2023-07-16T16:27:58Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• Parsing Objects at a Finer Granularity: A Survey [54.72819146263311]
  微細な視覚解析は、農業、リモートセンシング、宇宙技術など、多くの現実世界の応用において重要である。 卓越した研究努力は、異なるパラダイムに従って、これらのきめ細かいサブタスクに取り組む。 我々は,パート関係を学習する新たな視点から,先進的な研究を深く研究する。
  論文  参考訳（メタデータ） (2022-12-28T04:20:10Z)
• A Framework of Customer Review Analysis Using the Aspect-Based Opinion Mining Approach [0.0]
  本稿では,移動学習の概念に基づくアスペクトベースの意見マイニングの枠組みを提案する。 このモデルはアスペクトベースの意見マイニングというタスクにおいて、非常に満足できる結果をもたらしました。
  論文  参考訳（メタデータ） (2022-12-20T07:54:58Z)
• Contrast Pattern Mining: A Survey [54.06874773607785]
  この分野の研究者が短期間で現場の一般的な状況を理解することは困難である。 まず、識別能力を評価するための基本的な概念、タイプ、採掘戦略、メトリクスを含む、CPMの深い理解を示す。 我々は,CPM法の特徴を,境界ベースアルゴリズム,木ベースアルゴリズム,進化ファジィシステムベースアルゴリズム,決定木ベースアルゴリズム,その他のアルゴリズムに分類する。
  論文  参考訳（メタデータ） (2022-09-27T17:11:12Z)
• An information-theoretic perspective on intrinsic motivation in reinforcement learning: a survey [0.0]
  本稿では,これらの研究成果を情報理論に基づく新たな分類法を用いて調査することを提案する。 我々は、サプライズ、ノベルティ、スキル学習の概念を計算的に再考する。 我々の分析は、新規性とサプライズがトランスファー可能なスキルの階層を構築するのに役立つことを示唆している。
  論文  参考訳（メタデータ） (2022-09-19T09:47:43Z)
• Scientia Potentia Est -- On the Role of Knowledge in Computational Argumentation [52.903665881174845]
  本稿では,計算議論に必要な知識のピラミッドを提案する。 この分野におけるこれらのタイプの役割と統合について,その技術の現状を簡潔に論じる。
  論文  参考訳（メタデータ） (2021-07-01T08:12:41Z)
• A review of machine learning in processing remote sensing data for mineral exploration [0.41998444721319217]
  本稿では,最近確立したリモートセンシングデータ処理のための機械学習手法の実装と適応について概説する。 異なる鉱床の探査への応用について研究している。
  論文  参考訳（メタデータ） (2021-03-13T10:36:25Z)
• Multi-source Data Mining for e-Learning [3.8673630752805432]
  パターンマイニングは、データから興味深い頻繁なパターンを抽出する。 データ量の増加に伴い、この領域では、マルチソースおよび異種データが新たな課題となっている。 この課題は、興味深い頻繁なパターンを抽出するために、マルチソースデータをマイニングする作業の中心となるものです。
  論文  参考訳（メタデータ） (2020-09-17T15:39:45Z)
• Anomalous Example Detection in Deep Learning: A Survey [98.2295889723002]
  本調査は,ディープラーニングアプリケーションにおける異常検出の研究について,構造化された包括的概要を提供する。 既存の技術に対する分類法を,その基礎となる前提と採用アプローチに基づいて提案する。 本稿では,DLシステムに異常検出技術を適用しながら未解決の研究課題を取り上げ,今後の課題について述べる。
  論文  参考訳（メタデータ） (2020-03-16T02:47:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。