論文の概要: Application of Data Science to Discover Violence-Related Issues in Iraq
- arxiv url: http://arxiv.org/abs/2006.07980v1
- Date: Sun, 14 Jun 2020 18:58:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 13:30:27.180355
- Title: Application of Data Science to Discover Violence-Related Issues in Iraq
- Title（参考訳）: イラクにおける暴力問題発見へのデータサイエンスの応用
- Authors: Merari Gonz\'alez, Germ\'an H. Alf\'erez
- Abstract要約: イラクでは社会問題を発見するための政府の公開データが不足している。
我々の貢献は、イラクにおける暴力に関連する社会問題を発見するために、非政府的なビッグデータをオープンするためのデータサイエンスの応用である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Data science has been satisfactorily used to discover social issues in
several parts of the world. However, there is a lack of governmental open data
to discover those issues in countries such as Iraq. This situation arises the
following questions: how to apply data science principles to discover social
issues despite the lack of open data in Iraq? How to use the available data to
make predictions in places without data? Our contribution is the application of
data science to open non-governmental big data from the Global Database of
Events, Language, and Tone (GDELT) to discover particular violence-related
social issues in Iraq. Specifically we applied the K-Nearest Neighbors, N\"aive
Bayes, Decision Trees, and Logistic Regression classification algorithms to
discover the following issues: refugees, humanitarian aid, violent protests,
fights with artillery and tanks, and mass killings. The best results were
obtained with the Decision Trees algorithm to discover areas with refugee
crises and artillery fights. The accuracy for these two events is 0.7629. The
precision to discover the locations of refugee crises is 0.76, the recall is
0.76, and the F1-score is 0.76. Also, our approach discovers the locations of
artillery fights with a precision of 0.74, a recall of 0.75, and a F1-score of
0.75.
- Abstract（参考訳）: データサイエンスは、世界のいくつかの地域で社会問題を発見するのに十分使われている。
しかし、イラクなどの国でこれらの問題を発見するための政府の公開データが不足している。
イラクにオープンデータがないにもかかわらず、どのようにデータサイエンスの原則を適用して社会問題を発見するか?
利用可能なデータを使って、データのない場所で予測する方法?
私たちの貢献は、イラクにおける特定の暴力関連社会問題を発見するために、イベント、言語、トーンのグローバルデータベース(gdelt)から非政府ビッグデータを開くためのデータサイエンスの応用です。
具体的には,K-Nearest Neighbors,N\"aive Bayes,Decision Trees,Logistic Regressionの分類アルゴリズムを適用して,難民,人道支援,暴力的抗議,大砲や戦車との戦闘,大量殺人といった問題を発見した。
一番良い結果が決定木アルゴリズムで得られ、難民危機や砲兵戦のある地域を発見することができた。
この2つの事象の精度は0.7629である。
難民危機の正確な場所は0.76、リコールは0.76、F1スコアは0.76である。
また,本手法では,精度0.74,リコール0.75,F1スコア0.75で射撃戦の場所を検出する。
関連論文リスト
- Causal Micro-Narratives [62.47217054314046]
テキストから因果マイクロナラティブを分類する新しい手法を提案する。
これらの物語は、対象対象の因果関係と/または効果の文レベルの説明である。
論文 参考訳（メタデータ） (2024-10-07T17:55:10Z) - On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
AI技術の信頼性に関する深刻な懸念があった。
機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。
本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-24T14:01:53Z) - High Accuracy Location Information Extraction from Social Network Texts
Using Natural Language Processing [0.0]
本稿では、ソーシャルネットワークからテキストを使って必要な情報を抽出し、テロ攻撃予測のための適切なデータセットを構築する研究プロジェクトの一部である。
私たちはブルキナファソでテロに関する3000のソーシャルネットワークのテキストを収集し、既存のNLPソリューションを試すためにサブセットを使用しました。
実験の結果,既存の解法は位置認識の精度が低く,解法が解けることがわかった。
論文 参考訳（メタデータ） (2023-08-31T10:21:24Z) - Xenophobic Events vs. Refugee Population -- Using GDELT to Identify
Countries with Disproportionate Coverage [0.3867363075280544]
我々は2022年にメディアで報告された異所性事象を調べるために,GDELT(Global Database of Events, Language, and Tone)データベースを使用した。
我々は,2,778件のユニークなイベントのデータセットを収集し,各ホスト国における難民人口の比率によって拡大した事象の頻度を示すコロプルスマップを作成した。
強制移住者が多数存在するという信念がキセノビックな出来事をもたらすという信念とは対照的に,政治要因との関連が示唆された。
論文 参考訳（メタデータ） (2023-08-09T16:10:05Z) - Word Sense Disambiguation as a Game of Neurosymbolic Darts [3.0572129477925727]
我々はF1スコアを90%以上押し上げる新しいニューロシンボリック手法を提案する。
我々の方法論の中核は、n次元空間におけるネストされた球の配置の観点から、ニューロシンボリックな感覚の埋め込みである。
われわれはTransformerを訓練し、文脈化された単語の埋め込みから、ダーツのゲームをするのと同じように、ボールの埋め込みへのマッピングを学習した。
論文 参考訳（メタデータ） (2023-07-25T07:22:57Z) - One-Shot Learning for Periocular Recognition: Exploring the Effect of
Domain Adaptation and Data Bias on Deep Representations [59.17685450892182]
広範に使用されているCNNモデルにおける深部表現の挙動をワンショット近視認識のための極端データ不足下で検討する。
我々は、バイオメトリックデータセットで訓練されたネットワークを数百万の画像で活用し、最先端の結果を改善した。
SIFTのような従来のアルゴリズムは、限られたデータでCNNより優れている。
論文 参考訳（メタデータ） (2023-07-11T09:10:16Z) - MLGWSC-1: The first Machine Learning Gravitational-Wave Search Mock Data
Challenge [110.7678032481059]
第1回機械学習重力波探索モックデータチャレンジ(MLGWSC-1)の結果を示す。
この課題のために、参加するグループは、より現実的な雑音に埋め込まれた複雑さと持続期間が増大する二元ブラックホールの融合から重力波信号を特定する必要があった。
この結果から,現在の機械学習検索アルゴリズムは,限られたパラメータ領域においてすでに十分敏感である可能性が示唆された。
論文 参考訳（メタデータ） (2022-09-22T16:44:59Z) - Knowledge Graph Question Answering Leaderboard: A Community Resource to
Prevent a Replication Crisis [61.740077541531726]
コミュニティの焦点として、KGQAベンチマークデータセットに対して、新たな中心的でオープンなリーダボードを提供しています。
本分析は,KGQAシステムの評価において,既存の問題点を浮き彫りにする。
論文 参考訳（メタデータ） (2022-01-20T13:46:01Z) - Understanding peacefulness through the world news [1.6975704972827304]
我々は,GDELT(Global Data on Events, Location, and Tone)デジタルニュースデータベースから抽出した情報を利用して,GPI(Global Peace Index)を通して平和性を捉える。
予測機械学習モデルを用いることで,GDELTからのニュースメディアの注目度を,GPIを月次レベルで測定するためのプロキシとして利用できることを示す。
論文 参考訳（メタデータ） (2021-06-01T08:24:57Z) - AutoSpace: Neural Architecture Search with Less Human Interference [84.42680793945007]
現在のニューラルネットワークアーキテクチャ検索(NAS)アルゴリズムは、ネットワーク構築のための検索空間を設計するための専門知識と努力を必要とします。
探索空間を最適なものに進化させる新しい微分可能な進化フレームワークであるAutoSpaceを提案する。
学習した検索空間では、最近のNASアルゴリズムの性能は、以前手作業で設計した空間に比べて大幅に改善できる。
論文 参考訳（メタデータ） (2021-03-22T13:28:56Z) - A Comparative Study on Crime in Denver City Based on Machine Learning
and Data Mining [0.0]
2014年1月から2019年5月まで、アメリカ合衆国デンバー郡の現実の犯罪と事故のデータセットを分析した。
本研究の目的は、法執行機関や政府が予防措置の発見を支援することの見返りとして、発生の傾向を予測し、強調することである。
結果は、トレイン・テストの分割とk倍のクロスバリデーションという2つの一般的なテスト手法を使ってキャプチャされる。
論文 参考訳（メタデータ） (2020-01-09T01:36:11Z)
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。