論文の概要: Spatiotemporal Data Mining: A Survey on Challenges and Open Problems
- arxiv url: http://arxiv.org/abs/2103.17128v1
- Date: Wed, 31 Mar 2021 14:48:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-01 14:18:56.182607
- Title: Spatiotemporal Data Mining: A Survey on Challenges and Open Problems
- Title（参考訳）: 時空間データマイニング:課題とオープン問題に関する調査
- Authors: Ali Hamdi, Khaled Shaban, Abdelkarim Erradi, Amr Mohamed, Shakila Khan
Rumi, Flora Salim
- Abstract要約: STDMは空間と時間の間の動的相互作用から有用なパターンを発見する。
犯罪と公共の安全、交通と交通、地球と環境の監視、ソーシャルメディア、モノのインターネットなど、複数のアプリケーションに関連するSTDMの問題。
- 参考スコア（独自算出の注目度）: 7.955837864506321
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Spatiotemporal data mining (STDM) discovers useful patterns from the dynamic
interplay between space and time. Several available surveys capture STDM
advances and report a wealth of important progress in this field. However, STDM
challenges and problems are not thoroughly discussed and presented in articles
of their own. We attempt to fill this gap by providing a comprehensive
literature survey on state-of-the-art advances in STDM. We describe the
challenging issues and their causes and open gaps of multiple STDM directions
and aspects. Specifically, we investigate the challenging issues in regards to
spatiotemporal relationships, interdisciplinarity, discretisation, and data
characteristics. Moreover, we discuss the limitations in the literature and
open research problems related to spatiotemporal data representations,
modelling and visualisation, and comprehensiveness of approaches. We explain
issues related to STDM tasks of classification, clustering, hotspot detection,
association and pattern mining, outlier detection, visualisation, visual
analytics, and computer vision tasks. We also highlight STDM issues related to
multiple applications including crime and public safety, traffic and
transportation, earth and environment monitoring, epidemiology, social media,
and Internet of Things.
- Abstract（参考訳）: 時空間データマイニング(STDM)は、空間と時間の間の動的相互作用から有用なパターンを発見する。
利用可能ないくつかの調査はSTDMの進歩を捉え、この分野の重要な進歩を報告している。
しかし、STDMの課題や課題は十分に議論されておらず、彼ら自身の論文で紹介されている。
我々は,STDMの最先端に関する総合的な文献調査を提供することで,このギャップを埋めようとしている。
複数のSTDM方向と側面の課題とその原因と開き間隙について述べる。
具体的には,時空間的関係,学際性,離散性,データ特性に関する課題について検討する。
さらに,時空間データ表現,モデリングと可視化,アプローチの包括性に関連する文献やオープンな研究の限界についても論じる。
本稿では,stdmタスクである分類,クラスタリング,ホットスポット検出,関連付けとパターンマイニング,異常検出,可視化,ビジュアル分析,コンピュータビジョンタスクに関する課題について述べる。
また、犯罪や公共の安全、交通や交通、地球と環境のモニタリング、疫学、ソーシャルメディア、モノのインターネットなど、様々な応用に関するSTDMの課題も強調する。
関連論文リスト
- Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。
この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。
本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
論文 参考訳（メタデータ） (2024-11-15T08:09:28Z) - Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。
モチベーションと背景の概要から始まり、続いて基本概念が導入された。
我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
論文 参考訳（メタデータ） (2024-10-22T01:08:21Z) - A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました
近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。
本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
論文 参考訳（メタデータ） (2024-09-24T03:06:25Z) - A Survey on Diffusion Models for Time Series and Spatio-Temporal Data [92.1255811066468]
時系列およびS時間データにおける拡散モデルの使用について概観し、それらをモデル、タスクタイプ、データモダリティ、実用的なアプリケーションドメインで分類する。
我々は拡散モデルを無条件型と条件付き型に分類し、時系列とS時間データを別々に議論する。
本調査は,医療,レコメンデーション,気候,エネルギー,オーディオ,交通など,さまざまな分野の応用を幅広くカバーしている。
論文 参考訳（メタデータ） (2024-04-29T17:19:40Z) - RealTCD: Temporal Causal Discovery from Interventional Data with Large Language Model [15.416325455014462]
時間因果発見は、観察から直接変数間の時間因果関係を特定することを目的としている。
既存の手法は主に介入対象に大きく依存する合成データセットに焦点を当てている。
本稿では、ドメイン知識を活用して、介入対象のない時間的因果関係を発見できるRealTCDフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-23T06:52:40Z) - Data Augmentation in Human-Centric Vision [54.97327269866757]
本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。
それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。
我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
論文 参考訳（メタデータ） (2024-03-13T16:05:18Z) - Large Language Models(LLMs) on Tabular Data: Prediction, Generation, and Understanding -- A Survey [17.19337964440007]
現在、この研究領域における主要なテクニック、メトリクス、データセット、モデル、最適化アプローチを要約し比較する包括的なレビューが欠如しています。
この調査は、これらの領域における最近の進歩を集約し、使用するデータセット、メトリクス、方法論の詳細な調査と分類を提供することによって、このギャップに対処することを目的としている。
既存の文献の強さ、限界、未探索領域、ギャップを識別し、この重要かつ急速に発展する分野における将来の研究の方向性についていくつかの洞察を提供する。
論文 参考訳（メタデータ） (2024-02-27T23:59:01Z) - Advancing Video Anomaly Detection: A Concise Review and a New Dataset [8.822253683273841]
ビデオ異常検出(VAD)は、セキュリティ監視、交通監視、産業監視、医療に広く応用されている。
大規模な研究努力にもかかわらず、研究者に洞察力のあるガイダンスを提供する簡潔なレビューは残っていない。
本稿では,様々な視点からモデルとデータセットを考察する。
論文 参考訳（メタデータ） (2024-02-07T13:54:56Z) - Recent Advances in Hate Speech Moderation: Multimodality and the Role of Large Models [52.24001776263608]
この包括的調査は、HSモデレーションの最近の歩みを掘り下げている。
大型言語モデル(LLM)と大規模マルチモーダルモデル(LMM)の急成長する役割を強調した。
研究における既存のギャップを、特に表現不足言語や文化の文脈で特定する。
論文 参考訳（メタデータ） (2024-01-30T03:51:44Z) - Learning Neural Models for Continuous-Time Sequences [0.0]
連続時間イベントシーケンス(CTES)の特性について検討し、上記の問題を克服するために、堅牢でスケーラブルなニューラルネットワークベースモデルを設計する。
本研究では,MTPPを用いた事象の生成過程をモデル化し,現実世界の幅広い問題に対処する。
論文 参考訳（メタデータ） (2021-11-13T20:39:15Z)
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。