論文の概要: Finding Experts in Social Media Data using a Hybrid Approach
- arxiv url: http://arxiv.org/abs/2104.03920v1
- Date: Thu, 1 Apr 2021 09:08:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 21:53:08.718709
- Title: Finding Experts in Social Media Data using a Hybrid Approach
- Title(参考訳): ハイブリッドアプローチによるソーシャルメディアデータにおける専門家の探索
- Authors: Simon James (Seamus) Brady
- Abstract要約: エキスパートクエスト(ExpertQuest)と呼ばれるプロトタイプシステムを開発したのは,モダンな関数型プログラミング言語 (Clojure) でソーシャルメディアデータとLinked Dataを問合せするシステムである。
ハイブリッドアプローチの利点と欠点を説明する議論と結論が提示される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Several approaches to the problem of expert finding have emerged in computer
science research. In this work, three of these approaches - content analysis,
social graph analysis and the use of Semantic Web technologies are examined. An
integrated set of system requirements is then developed that uses all three
approaches in one hybrid approach.
To show the practicality of this hybrid approach, a usable prototype expert
finding system called ExpertQuest is developed using a modern functional
programming language (Clojure) to query social media data and Linked Data. This
system is evaluated and discussed. Finally, a discussion and conclusions are
presented which describe the benefits and shortcomings of the hybrid approach
and the technologies used in this work.
- Abstract(参考訳): 専門家発見問題に対するいくつかのアプローチがコンピュータサイエンス研究に現れている。
本研究では,コンテンツ分析,ソーシャルグラフ分析,セマンティックウェブ技術の利用という3つのアプローチについて検討した。
次に、3つのアプローチ全てを1つのハイブリッドアプローチで使用するシステム要件の統合セットを開発する。
このハイブリッドアプローチの実用性を示すために,現代関数型プログラミング言語(clojure)を用いて,ソーシャルメディアデータとリンクデータのクエリを行うための,expertquestと呼ばれる実用プロトタイプエキスパート検索システムを開発した。
本システムを評価,検討した。
最後に、ハイブリッドアプローチの利点と欠点と、この研究で使用される技術を説明する議論と結論が提示される。
関連論文リスト
- Mapping Acceptance: Assessing Emerging Technologies and Concepts through
Micro Scenarios [0.0]
本稿では,精神モデルを評価する統合的手法と,様々な技術の社会的受容について紹介する。
提案手法は,視覚空間マッピングと組み合わせたマイクロシナリオを活用し,包括的視点を提供する。
本稿では,技術進歩と社会的認知のギャップを埋めることを目的としており,より深い意思決定のためのツールを提供する。
論文 参考訳(メタデータ) (2024-02-02T16:43:32Z) - Federated Learning for Generalization, Robustness, Fairness: A Survey
and Benchmark [55.898771405172155]
フェデレートラーニングは、異なる当事者間のプライバシー保護コラボレーションのための有望なパラダイムとして登場した。
我々は,連合学習研究の重要かつ最近の展開を体系的に概観する。
論文 参考訳(メタデータ) (2023-11-12T06:32:30Z) - Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。
埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。
この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文 参考訳(メタデータ) (2023-10-28T06:31:06Z) - OntoChatGPT Information System: Ontology-Driven Structured Prompts for
ChatGPT Meta-Learning [19.444636864515726]
本研究は,ChatGPTと相互作用するオントロジー駆動型構造化プロンプトシステムを利用するための包括的方法論を提案する。
得られた生産的3つのトライアドは、方法論の基礎、高度な情報技術、OntoChatGPTシステムから構成される。
論文 参考訳(メタデータ) (2023-07-11T07:31:58Z) - A Survey on Table-and-Text HybridQA: Concepts, Methods, Challenges and
Future Directions [46.11511797999039]
表とテキストのハイブリッドな質問応答 (HybridQA) は、金融分野や科学分野に広く採用されているNLPタスクである。
本稿では,現在のHybridQAベンチマークと手法を要約し,課題と今後の方向性について分析する。
論文 参考訳(メタデータ) (2022-12-27T12:34:57Z) - Suggesting Relevant Questions for a Query Using Statistical Natural
Language Processing Technique [0.0]
ユーザクエリに対する同様の質問の推奨には、EコマースWebサイトのユーザの検索時間短縮、企業の従業員のトレーニング、学生の全体学習など、多くのアプリケーションがある。
同様の疑問を提起するために自然言語処理技術が使われているのは、既存のアーキテクチャ上で一般的である。
論文 参考訳(メタデータ) (2022-04-26T04:30:16Z) - Semantic Search for Large Scale Clinical Ontologies [63.71950996116403]
本稿では,大規模臨床語彙検索システムを構築するための深層学習手法を提案する。
本稿では,意味学習データに基づくトレーニングデータを生成するTriplet-BERTモデルを提案する。
このモデルは,5つの実ベンチマークデータセットを用いて評価され,提案手法は自由テキストから概念,概念まで,概念語彙の検索において高い結果が得られることを示す。
論文 参考訳(メタデータ) (2022-01-01T05:15:42Z) - Deep Learning Schema-based Event Extraction: Literature Review and
Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。
本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文 参考訳(メタデータ) (2021-07-05T16:32:45Z) - End-to-End Constrained Optimization Learning: A Survey [69.22203885491534]
機械学習アーキテクチャとソルバと最適化手法を統合する作業の調査に焦点を当てている。
これらのアプローチは、問題に対する迅速、近似、構造的、解決策を予測し、論理的推論を可能にする新しいハイブリッド機械学習と最適化手法を開発することを約束します。
論文 参考訳(メタデータ) (2021-03-30T14:19:30Z) - A Survey of Community Detection Approaches: From Statistical Modeling to
Deep Learning [95.27249880156256]
ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。
既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。
フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
論文 参考訳(メタデータ) (2021-01-03T02:32:45Z)
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。