論文の概要: Streaming Social Event Detection and Evolution Discovery in Heterogeneous Information Networks

• arxiv url: http://arxiv.org/abs/2104.00853v1
• Date: Fri, 2 Apr 2021 02:13:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 14:00:30.540951
• Title: Streaming Social Event Detection and Evolution Discovery in Heterogeneous Information Networks
• Title（参考訳）: 異種情報ネットワークにおけるストリーミングソーシャルイベント検出と進化発見
• Authors: Hao Peng, Jianxin Li, Yangqiu Song, Renyu Yang, Rajiv Ranjan, Philip S. Yu, Lifang He
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 90.3475746663728
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Events are happening in real-world and real-time, which can be planned and organized for occasions, such as social gatherings, festival celebrations, influential meetings or sports activities. Social media platforms generate a lot of real-time text information regarding public events with different topics. However, mining social events is challenging because events typically exhibit heterogeneous texture and metadata are often ambiguous. In this paper, we first design a novel event-based meta-schema to characterize the semantic relatedness of social events and then build an event-based heterogeneous information network (HIN) integrating information from external knowledge base. Second, we propose a novel Pairwise Popularity Graph Convolutional Network, named as PP-GCN, based on weighted meta-path instance similarity and textual semantic representation as inputs, to perform fine-grained social event categorization and learn the optimal weights of meta-paths in different tasks. Third, we propose a streaming social event detection and evolution discovery framework for HINs based on meta-path similarity search, historical information about meta-paths, and heterogeneous DBSCAN clustering method. Comprehensive experiments on real-world streaming social text data are conducted to compare various social event detection and evolution discovery algorithms. Experimental results demonstrate that our proposed framework outperforms other alternative social event detection and evolution discovery techniques.
• Abstract（参考訳）: 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、しばしば異質なテクスチャやメタデータが曖昧であることから、社会イベントの採掘は困難である。 本稿では,まず,ソーシャルイベントの意味的関連性を特徴付けるイベントベースのメタスキーマを設計し,外部知識ベースからの情報を統合したイベントベースのヘテロジニアス情報ネットワーク(hin)を構築する。 第2に,Pairwise Popularity Graph Convolutional Network(PP-GCN)を提案する。これはメタパスインスタンスの重み付けとテキストのセマンティック表現を入力として用い,詳細なソーシャルイベント分類を行い,異なるタスクにおけるメタパスの最適な重み付けを学習する。 第3に,メタパス類似性探索,メタパスに関する履歴情報,ヘテロジニアスdbscanクラスタリング法に基づく,hinsのソーシャルイベント検出および進化発見フレームワークを提案する。 実世界のストリーミングソーシャルテキストデータに関する総合的な実験を行い,様々なソーシャルイベント検出アルゴリズムと進化発見アルゴリズムを比較した。 実験の結果,提案フレームワークは他のソーシャルイベント検出手法や進化発見手法よりも優れていることがわかった。

関連論文リスト

• DAMe: Personalized Federated Social Event Detection with Dual Aggregation Mechanism [55.45581907514175]
  本稿では,ソーシャルイベント検出のための二重集約機構,すなわちDAMeを用いた個人化学習フレームワークを提案する。 クライアントの好みに関する最大限の外部知識を提供するため,グローバルアグリゲーション戦略を導入する。 さらに、ローカルなオーバーフィッティングやクライアントドリフトを防止するために、グローバルなローカルイベント中心の制約を組み込んでいます。
  論文  参考訳（メタデータ） (2024-09-01T04:56:41Z)
• OpenEP: Open-Ended Future Event Prediction [57.63525290892786]
  我々はOpenEP(Open-Ended Future Event Prediction Task)を導入し、現実のシナリオに合わせたフレキシブルで多様な予測を生成する。 質問構築には、場所、時間、イベント開発、イベント結果、イベント影響、イベント応答など、7つの視点から質問する。 結果構築のために,結果を含む自由形式のテキストを基礎的真理として収集し,意味論的に完全かつ詳細に富んだ結果を提供する。
  論文  参考訳（メタデータ） (2024-08-13T02:35:54Z)
• EnrichEvent: Enriching Social Data with Contextual Information for Emerging Event Extraction [5.795017262737487]
  本稿では,ストリーミングソーシャルデータの言語的および文脈的表現を活用する新しいフレームワークであるEnrichEventを提案する。 提案するフレームワークは,イベントの時間的変化を示すために,各イベントのクラスタチェーンを生成する。
  論文  参考訳（メタデータ） (2023-07-29T21:37:55Z)
• EDSA-Ensemble: an Event Detection Sentiment Analysis Ensemble Architecture [63.85863519876587]
  Sentiment Analysisを使って、イベントに属する各メッセージの極性やイベント全体を理解することで、オンラインソーシャルネットワークにおける重要なトレンドやダイナミクスに関する一般的な感情や個人の感情をよりよく理解することができます。 本研究では,ソーシャルメディアから現在起きているイベントの極性検出を改善するために,イベント検出と知覚分析を用いた新しいアンサンブルアーキテクチャEDSA-Ensembleを提案する。
  論文  参考訳（メタデータ） (2023-01-30T11:56:08Z)
• Exploring Fake News Detection with Heterogeneous Social Media Context Graphs [4.2177790395417745]
  フェイクニュースの検出は、社会全体に直接的な影響を与えるため、純粋に学術的な関心を超える研究領域となっている。 本稿では,ニュース記事を取り巻く異質なソーシャルコンテキストグラフを構築し,問題をグラフ分類タスクとして再構築することを提案する。
  論文  参考訳（メタデータ） (2022-12-13T13:29:47Z)
• Evidential Temporal-aware Graph-based Social Event Detection via Dempster-Shafer Theory [76.4580340399321]
  ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。 ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。 ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
  論文  参考訳（メタデータ） (2022-05-24T16:22:40Z)
• COfEE: A Comprehensive Ontology for Event Extraction from text, with an online annotation tool [3.8995911009078816]
  イベント抽出(EE)は、特定のインシデントとそのアクターに関する情報をテキストから導き出そうとする。 EEは知識ベースの構築、情報検索、要約、オンライン監視システムなど、多くの領域で有用である。 COfEEは、環境問題、サイバースペース、犯罪活動、自然災害に関連する新しいカテゴリを含む2つの階層レベル(イベントタイプとイベントサブタイプ)から構成されている。
  論文  参考訳（メタデータ） (2021-07-21T19:43:22Z)
• Knowledge-Preserving Incremental Social Event Detection via Heterogeneous GNNs [72.09532817958932]
  ソーシャルイベント検出のための知識保存型不均一グラフニューラルネットワーク(KPGNN)を提案する。 KPGNNは複雑なソーシャルメッセージを統一されたソーシャルグラフにモデル化し、データの活用を促進し、知識抽出のためのGNNの表現力を探る。 また、GNNの帰納的学習能力を活用して、イベントを効率的に検出し、これまで見つからなかったデータからその知識を拡張する。
  論文  参考訳（メタデータ） (2021-01-21T17:56:57Z)
• Ontology-driven Event Type Classification in Images [9.238824536215597]
  本稿では,画像中のイベントタイプを分類するためのオントロジー駆動型アプローチを提案する。 まず、ほとんどのイベントタイプからなるWikidataに基づくオントロジーを作成します。 知識グラフの構造化情報を利用して、ディープニューラルネットワークを用いて関連する事象関係を学習することを目的とした、オントロジー駆動学習アプローチを含む、いくつかのベースラインが提案されている。
  論文  参考訳（メタデータ） (2020-11-09T19:43:55Z)

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。