論文の概要: Data Requests and Scenarios for Data Design of Unobserved Events in
Corona-related Confusion Using TEEDA
- arxiv url: http://arxiv.org/abs/2009.04035v1
- Date: Tue, 8 Sep 2020 23:40:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-03 04:56:56.616065
- Title: Data Requests and Scenarios for Data Design of Unobserved Events in
Corona-related Confusion Using TEEDA
- Title（参考訳）: teedaを用いたコロナ関連混乱における観測不能事象データ設計のためのデータ要求とシナリオ
- Authors: Teruaki Hayashi, Nao Uehara, Daisuke Hase, Yukio Ohsawa
- Abstract要約: 本研究では,データユーザからのデータ要求を外部化するために,TEEDA (Data Affairs) のすべての遭遇をトラスリングする対話型プラットフォームを提案する。
ワークショップで得られたデータ要求と有望なデータの両方から生じるコロナ関連混乱における欠落データの特徴を分析した。
- 参考スコア（独自算出の注目度）: 0.11470070927586014
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Due to the global violence of the novel coronavirus, various industries have
been affected and the breakdown between systems has been apparent. To
understand and overcome the phenomenon related to this unprecedented crisis
caused by the coronavirus infectious disease (COVID-19), the importance of data
exchange and sharing across fields has gained social attention. In this study,
we use the interactive platform called treasuring every encounter of data
affairs (TEEDA) to externalize data requests from data users, which is a tool
to exchange not only the information on data that can be provided but also the
call for data, what data users want and for what purpose. Further, we analyze
the characteristics of missing data in the corona-related confusion stemming
from both the data requests and the providable data obtained in the workshop.
We also create three scenarios for the data design of unobserved events
focusing on variables.
- Abstract（参考訳）: 新型コロナウイルスの世界的な暴力により、さまざまな産業が影響を受け、システム間の崩壊が明らかになっている。
新型コロナウイルス感染症(COVID-19)によるこの前例のない危機にまつわる現象を理解し克服するため、フィールド間のデータ交換や共有の重要性が社会的な注目を集めている。
本研究では,データユーザからのデータ要求を外部化する上で,データに対する要求だけでなく,データに対する要求,ユーザが望むデータ,目的のデータを交換するためのツールとして,TEEDAという対話型プラットフォームを利用する。
さらに,本研究で得られたデータ要求と予測可能なデータの両方から生じるコロナ関連混乱における欠落データの特徴を分析する。
また、変数に焦点を当てた観測されないイベントのデータ設計のための3つのシナリオを作成しました。
関連論文リスト
- A Survey on Data Markets [73.07800441775814]
より大きな福祉のためのトレーディングデータの増加は、データ市場の台頭につながっている。
データ市場とは、データセットやデータデリバティブを含むデータプロダクトの交換が行われるメカニズムである。
これは、価格やデータの分散など、いくつかの機能が相互作用するコーディネートメカニズムとして機能する。
論文 参考訳（メタデータ） (2024-11-09T15:09:24Z) - Preventive Audits for Data Applications Before Data Sharing in the Power IoT [4.899053698192078]
データ所有者は、データ共有の前にデータアプリケーションの予防監査を行う必要がある。
IoTのパワーにおけるデータ共有は、背景と見なされる。
予防監査は、データ共有前後のデータ特徴パラメータの変更に基づいて実施されるべきである。
論文 参考訳（メタデータ） (2024-05-05T15:07:56Z) - Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。
次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。
提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2023-11-22T22:15:17Z) - Continual Causal Effect Estimation: Challenges and Opportunities [11.343298687766579]
観測データにおける原因と効果のさらなる理解は多くの領域で重要である。
既存の手法は主にソース固有および静止観測データに焦点を当てている。
ビッグデータの時代,我々は観測データによる因果推論において新たな課題に直面している。
論文 参考訳（メタデータ） (2023-01-03T09:57:50Z) - Uncertain Case Identifiers in Process Mining: A User Study of the
Event-Case Correlation Problem on Click Data [0.4014524824655105]
移動型共有企業のユーザインタラクションイベントの文脈において,クリックデータにおけるイベントケース相関の事例とユーザスタディを示す。
ニューラルネットワークに基づくケースベースとして解釈された個別のユーザセッションにおけるユーザインタラクションデータを集約する新しい手法を適用した。
論文 参考訳（メタデータ） (2022-04-08T16:19:16Z) - Data-SUITE: Data-centric identification of in-distribution incongruous
examples [81.21462458089142]
Data-SUITEは、ID(In-distriion)データの不連続領域を特定するためのデータ中心のフレームワークである。
我々は,Data-SUITEの性能保証とカバレッジ保証を実証的に検証する。
論文 参考訳（メタデータ） (2022-02-17T18:58:31Z) - Combining Data-driven Supervision with Human-in-the-loop Feedback for
Entity Resolution [47.90125404360125]
同一人物を表すデータポイントを特定し、統合するモデルを構築します。
このケーススタディでは、トレーニング・プロダクション性能のばらつきを解消するために、私たちのHuman-in-the-loopを有効にした、データ中心のソリューションについて論じる。
論文 参考訳（メタデータ） (2021-11-20T02:22:12Z) - Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。
我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
論文 参考訳（メタデータ） (2021-10-19T17:41:43Z) - Data Combination for Problem-solving: A Case of an Open Data Exchange
Platform [2.9038508461575976]
ビッグデータと学際データの組み合わせでは、多くの変数を持つ大規模データを使用することが期待されている。
その結果,少数の変数を持つデータセットであっても,問題解決のためのソリューションの提案に頻繁に使用されることがわかった。
本研究の結果は、複数のデータセットや変数を含む問題解決のためのデータ組み合わせの背後にあるメカニズムに光を当てた。
論文 参考訳（メタデータ） (2020-12-21T23:29:10Z) - Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。
有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。
我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
論文 参考訳（メタデータ） (2020-11-02T02:03:07Z) - Big Issues for Big Data: challenges for critical spatial data analytics [0.0]
ビッグデータの収集と分析の基礎となる課題に焦点を合わせます。
通常バイアスのあるビッグデータを扱う場合、推論に関連する問題を考慮します。
特に、個々のデータサイエンス研究をより広い社会的・経済的文脈に配置する必要性を考察する。
論文 参考訳（メタデータ） (2020-07-22T09:11:56Z)
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。