論文の概要: Embed2Detect: Temporally Clustered Embedded Words for Event Detection in Social Media

• arxiv url: http://arxiv.org/abs/2006.05908v4
• Date: Tue, 25 May 2021 21:49:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 05:58:43.447610
• Title: Embed2Detect: Temporally Clustered Embedded Words for Event Detection in Social Media
• Title（参考訳）: Embed2Detect:ソーシャルメディアにおけるイベント検出のための一時クラスタ化単語
• Authors: Hansi Hettiarachchi, Mariam Adedoyin-Olowe, Jagdev Bhogal and Mohamed Medhat Gaber
• Abstract要約: ワード埋め込みの採用により、Embed2Detectは強力なセマンティック機能をイベント検出に組み込むことができる。 以上の結果から,Embed2Detectは効率的かつ効率的なイベント検出が可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 1.7205106391379026
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social media is becoming a primary medium to discuss what is happening around the world. Therefore, the data generated by social media platforms contain rich information which describes the ongoing events. Further, the timeliness associated with these data is capable of facilitating immediate insights. However, considering the dynamic nature and high volume of data production in social media data streams, it is impractical to filter the events manually and therefore, automated event detection mechanisms are invaluable to the community. Apart from a few notable exceptions, most previous research on automated event detection have focused only on statistical and syntactical features in data and lacked the involvement of underlying semantics which are important for effective information retrieval from text since they represent the connections between words and their meanings. In this paper, we propose a novel method termed Embed2Detect for event detection in social media by combining the characteristics in word embeddings and hierarchical agglomerative clustering. The adoption of word embeddings gives Embed2Detect the capability to incorporate powerful semantical features into event detection and overcome a major limitation inherent in previous approaches. We experimented our method on two recent real social media data sets which represent the sports and political domain and also compared the results to several state-of-the-art methods. The obtained results show that Embed2Detect is capable of effective and efficient event detection and it outperforms the recent event detection methods. For the sports data set, Embed2Detect achieved 27% higher F-measure than the best-performed baseline and for the political data set, it was an increase of 29%.
• Abstract（参考訳）: ソーシャルメディアは、世界中で起きていることについて議論する主要なメディアになりつつある。 したがって、ソーシャルメディアプラットフォームが生成するデータは、進行中の出来事を記述した豊富な情報を含んでいる。 さらに、これらのデータに関連するタイムラインは、即時の洞察を促進することができる。 しかし、ソーシャルメディアデータストリームにおける動的な性質と大量のデータ生成を考えると、手動でイベントをフィルタリングすることは現実的ではないため、自動イベント検出メカニズムはコミュニティにとって有用である。 いくつかの特筆すべき例外を除いて、自動イベント検出に関するこれまでの研究は、データの統計的特徴と構文的特徴にのみ焦点を合わせており、それらが単語と意味の関連を表わすため、テキストから効果的な情報検索に重要な意味論が欠如している。 本稿では,単語埋め込みの特徴と階層的凝集クラスタリングを組み合わせた,ソーシャルメディアにおけるイベント検出のための Embed2Detect という新しい手法を提案する。 ワード埋め込みの採用により、Embed2Detectはイベント検出に強力なセマンティック機能を組み込むことができ、従来のアプローチに固有の大きな制限を克服できる。 本研究では,スポーツ領域と政治領域を表わす2つの実ソーシャルメディアデータセットを用いて実験を行い,その結果を最新手法と比較した。 得られた結果から, Embed2Detect は効率的なイベント検出が可能であり,最近のイベント検出方法よりも優れていた。 スポーツデータセットでは、embed2detectは最高の基準値よりも27%高いf-measureを達成し、政治データセットでは29%増加した。

関連論文リスト

• Double Mixture: Towards Continual Event Detection from Speech [60.33088725100812]
  音声イベント検出は、セマンティックイベントと音響イベントの両方のタグ付けを含むマルチメディア検索に不可欠である。 本稿では, 音声イベント検出における主な課題として, 過去の出来事を忘れることなく新たな事象を連続的に統合すること, 音響イベントからの意味のゆがみについて述べる。 本稿では,適応性を向上し,忘れることを防止するために,音声の専門知識と堅牢な記憶機構を融合する新しい手法「ダブルミキチャー」を提案する。
  論文  参考訳（メタデータ） (2024-04-20T06:32:00Z)
• Abnormal Event Detection via Hypergraph Contrastive Learning [54.80429341415227]
  異常事象検出は多くの実アプリケーションにおいて重要な役割を果たす。 本稿では,分散異種情報ネットワークにおける異常事象検出問題について検討する。 AEHCLと呼ばれる新しいハイパーグラフコントラスト学習法が,異常事象のパターンをフルに捉えるために提案されている。
  論文  参考訳（メタデータ） (2023-04-02T08:23:20Z)
• Dual Memory Aggregation Network for Event-Based Object Detection with Learnable Representation [79.02808071245634]
  イベントベースのカメラはバイオインスパイアされたセンサーで、各ピクセルの明るさ変化を非同期に捉える。 イベントストリームは、正極性と負極性の両方のためにx-y-t座標の格子に分割され、3次元テンソル表現として柱の集合が生成される。 長メモリは適応型convLSTMの隠れ状態に符号化され、短メモリはイベントピラー間の空間的時間的相関を計算することによってモデル化される。
  論文  参考訳（メタデータ） (2023-03-17T12:12:41Z)
• Semantic Pivoting Model for Effective Event Detection [19.205550116466604]
  Event Detectionは、構造化されていない記事からイベントインスタンスの参照を識別し、分類することを目的としている。 イベント検出の既存のテクニックは、イベントタイプクラスを表現するために、均質な1ホットベクトルのみを使用しており、型の意味がタスクにとって重要であるという事実を無視している。 本稿では,学習中の事前情報を明示的に組み込んで,入力とイベント間の意味的に意味のある相関関係を捉えるセマンティック・ピロリング・モデル(SPEED)を提案する。
  論文  参考訳（メタデータ） (2022-11-01T19:20:34Z)
• Unifying Event Detection and Captioning as Sequence Generation via Pre-Training [53.613265415703815]
  本稿では,イベント検出とキャプションのタスク間関連性を高めるための,事前学習と微調整の統合フレームワークを提案する。 我々のモデルは最先端の手法よりも優れており、大規模ビデオテキストデータによる事前学習ではさらに向上できる。
  論文  参考訳（メタデータ） (2022-07-18T14:18:13Z)
• Unsupervised Key Event Detection from Massive Text Corpora [42.31889135421941]
  本稿では,ニュースコーパスキーイベントから検出することを目的とした,中間レベルでのキーイベント検出という新たなタスクを提案する。 このタスクは、イベントの理解と構造化をブリッジすることができ、キーイベントのテーマと時間的近接性のために本質的に困難である。 我々は、新しいttf-itfスコアを用いて、時間的に頻繁なピークフレーズを抽出する、教師なしキーイベント検出フレームワークEvMineを開発した。
  論文  参考訳（メタデータ） (2022-06-08T20:31:02Z)
• Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
  本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。 我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
  論文  参考訳（メタデータ） (2021-09-13T20:50:37Z)
• Real-time Spatio-temporal Event Detection on Geotagged Social Media [3.446756313739598]
  本稿では,ソーシャルメディアを利用したオンラインイベント検出システムを提案し,時間と空間の解像度の異なるイベントを検出する。 ポスト処理ステージは、スパム、フェイク、不正なイベントをフィルタリングするために導入される。 提案手法は,Melbourne,London,Paris,New Yorkなど,さまざまな都市を対象としたさまざまなソーシャルメディアデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2021-06-23T07:14:03Z)
• Streaming Social Event Detection and Evolution Discovery in Heterogeneous Information Networks [90.3475746663728]
  イベントは現実世界やリアルタイムで行われており、社会集会、祝祭、影響力のある会議、スポーツ活動などのイベントのために計画や組織化が可能である。 ソーシャルメディアプラットフォームは、トピックの異なる公開イベントに関する多くのリアルタイムテキスト情報を生成する。 しかし、異質なテクスチャやメタデータがあいまいであることが多いため、社会イベントの採掘は困難である。
  論文  参考訳（メタデータ） (2021-04-02T02:13:10Z)
• Complex networks for event detection in heterogeneous high volume news streams [0.0]
  オンラインニュースの量と頻度は、リアルタイムに動作可能な自動イベント検出方法の必要性を高める。 我々は、重要なニュースイベントが常にニュース記事にリンクされた名前付きエンティティを巻き込む、ネットワークベースのアプローチを開発する。
  論文  参考訳（メタデータ） (2020-05-28T02:45:43Z)

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。