論文の概要: Extracting actionable information from microtexts
- arxiv url: http://arxiv.org/abs/2008.00343v1
- Date: Sat, 1 Aug 2020 21:22:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-11-04 00:37:29.695114
- Title: Extracting actionable information from microtexts
- Title（参考訳）: マイクロテキストから実行可能な情報を抽出する
- Authors: Ali H\"urriyeto\u{g}lu
- Abstract要約: 本論文では,動作可能な情報を抽出する半自動手法を提案する。
ドメイン内シナリオとクロスドメインシナリオの両方において、イベントの予測が可能であることを示す。
本稿では,機械学習に基づく関連情報分類手法とルールベースの情報分類手法を統合し,マイクロテキストを分類する手法を提案する。
- 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: Microblogs such as Twitter represent a powerful source of information. Part
of this information can be aggregated beyond the level of individual posts.
Some of this aggregated information is referring to events that could or should
be acted upon in the interest of e-governance, public safety, or other levels
of public interest. Moreover, a significant amount of this information, if
aggregated, could complement existing information networks in a non-trivial
way. This dissertation proposes a semi-automatic method for extracting
actionable information that serves this purpose. First, we show that predicting
time to event is possible for both in-domain and cross-domain scenarios.
Second, we suggest a method which facilitates the definition of relevance for
an analyst's context and the use of this definition to analyze new data.
Finally, we propose a method to integrate the machine learning based relevant
information classification method with a rule-based information classification
technique to classify microtexts. Fully automatizing microtext analysis has
been our goal since the first day of this research project. Our efforts in this
direction informed us about the extent this automation can be realized. We
mostly first developed an automated approach, then we extended and improved it
by integrating human intervention at various steps of the automated approach.
Our experience confirms previous work that states that a well-designed human
intervention or contribution in design, realization, or evaluation of an
information system either improves its performance or enables its realization.
As our studies and results directed us toward its necessity and value, we were
inspired from previous studies in designing human involvement and customized
our approaches to benefit from human input.
- Abstract（参考訳）: Twitterのようなマイクロブログは強力な情報ソースである。
この情報の一部は、個々の投稿のレベルを超えて集約することができる。
集約された情報のいくつかは、e-governanceや公共の安全、その他の公共の関心のレベルに関心を持って行動すべきイベントを指している。
さらに、もし集約すれば、かなりの量の情報が既存の情報ネットワークを非自明な方法で補完することができる。
この論文は、この目的を果たす実行可能な情報を抽出する半自動手法を提案する。
まず,ドメイン内シナリオとクロスドメインシナリオの両方において,イベントまでの時間予測が可能であることを示す。
第2に、アナリストのコンテキストに対する関連性の定義を容易にし、この定義を用いて新しいデータを分析する方法を提案する。
最後に,機械学習に基づく関連情報分類手法とルールベースの情報分類手法を統合し,マイクロテキストを分類する手法を提案する。
マイクロテキスト解析の完全自動化は、この研究プロジェクトの初日から私たちの目標です。
この方向への取り組みは、この自動化がどの程度実現できるかを教えてくれました。
主に自動化アプローチを開発し、その後、自動化アプローチのさまざまなステップで人間の介入を統合することで、それを拡張し、改善しました。
我々の経験は、情報システムの設計、実現、評価によく設計された人間の介入や貢献が、その性能を改善するか、実現を可能にするかのどちらかであることを示す以前の研究を確認する。
我々の研究と成果がその必要性と価値に向けられたので、私たちは人間の関与をデザインする以前の研究からインスピレーションを受け、人間の入力から利益を得るためのアプローチをカスタマイズしました。
関連論文リスト
- Time Series Analysis of Key Societal Events as Reflected in Complex
Social Media Data Streams [0.9790236766474201]
本研究では,ニッチなソーシャルメディアプラットフォームであるGABと,確立されたメッセージングサービスであるTelegramの物語進化について検討する。
我々のアプローチは、複数のソーシャルメディアドメインを調査し、他の方法では見えない重要な情報を排除するための新しいモードである。
主な知見は,(1) 時間線をデコンストラクトして, 解釈を改善するための有用なデータ機能を提供すること,(2) 一般化の基盤を提供する方法論を適用すること,である。
論文 参考訳（メタデータ） (2024-03-11T18:33:56Z) - Revisiting Self-supervised Learning of Speech Representation from a
Mutual Information Perspective [68.20531518525273]
我々は、情報理論の観点から、既存の自己教師型音声の手法を詳しく検討する。
我々は線形プローブを用いて、対象情報と学習された表現の間の相互情報を推定する。
我々は、ラベルを使わずに、データの異なる部分間の相互情報を見積もる自己教師型の表現を評価する可能性を探る。
論文 参考訳（メタデータ） (2024-01-16T21:13:22Z) - Learning active tactile perception through belief-space control [21.708391958446274]
本稿では,創造的世界モデルを開発することにより,触覚探索政策を自律的に学習する手法を提案する。
本手法は,目的が所望のオブジェクト特性を推定することである3つのシミュレーションタスクに対して評価する。
提案手法は, 所望のプロパティに関する情報を直感的に収集するポリシーを発見できることがわかった。
論文 参考訳（メタデータ） (2023-11-30T21:54:42Z) - End-to-end Autonomous Driving using Deep Learning: A Systematic Review [0.0]
エンドツーエンドの自律運転(End-to-end autonomous driving)は、センサーの入力データやその他のメタデータを事前情報として取り込み、エゴ車の制御信号や計画された軌跡を直接出力する、完全に微分可能な機械学習システムである。
本稿では, 物体検出, セマンティックシーン理解, 物体追跡, 軌道予測, 軌道計画, 車両制御, 社会行動, コミュニケーションなど, 最新の機械学習技術をすべて体系的に検証し, このエンドツーエンドのタスクを実行する。
論文 参考訳（メタデータ） (2023-08-27T17:43:58Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳（メタデータ） (2023-02-13T16:44:44Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - Human Activity Recognition using Attribute-Based Neural Networks and
Context Information [61.67246055629366]
手作業におけるウェアラブルセンサデータから人間の活動認識(HAR)を考察する。
我々は、コンテキスト情報をディープニューラルネットワークベースのHARシステムに体系的に組み込む方法を示す。
提案したアーキテクチャは,最先端手法と比較してHAR性能が向上することを示す。
論文 参考訳（メタデータ） (2021-10-28T06:08:25Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - Extracting Semantic Process Information from the Natural Language in
Event Logs [0.1827510863075184]
本稿では、イベントデータの意味的役割ラベリングという手法を提案する。
この方法では,イベント毎に最大8つの意味的役割に関する情報を抽出する。
論文 参考訳（メタデータ） (2021-03-06T08:39:04Z) - What Makes a Good Summary? Reconsidering the Focus of Automatic
Summarization [49.600619575148706]
フィールドの現在の焦点は、参加者の希望と完全に一致していないことがわかります。
以上の結果から,自動要約のより広い視点を取り入れることが重要であると論じる。
論文 参考訳（メタデータ） (2020-12-14T15:12:35Z)
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。