論文の概要: Predictive analytics using Social Big Data and machine learning

• arxiv url: http://arxiv.org/abs/2104.12591v1
• Date: Wed, 21 Apr 2021 19:30:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-03 00:13:43.146930
• Title: Predictive analytics using Social Big Data and machine learning
• Title（参考訳）: ソーシャルビッグデータと機械学習を用いた予測分析
• Authors: Bilal Abu-Salih, Pornpit Wongthongtham, Dengya Zhu, Kit Yan Chan, Amit Rudra
• Abstract要約: この章では、ソーシャルビッグデータ分析の基礎となる中核的な側面について光を当てている。 さまざまな予測分析アルゴリズムが,いくつかの重要なアプリケーションやトップレベルのツールやAPIで使用されている。
• 参考スコア（独自算出の注目度）: 6.142272540492935
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The ever-increase in the quality and quantity of data generated from day-to-day businesses operations in conjunction with the continuously imported related social data have made the traditional statistical approaches inadequate to tackle such data floods. This has dictated researchers to design and develop advance and sophisticated analytics that can be incorporated to gain valuable insights that benefit the business domain. This chapter sheds the light on core aspects that lay the foundations for social big data analytics. In particular, the significance of predictive analytics in the context of SBD is discussed fortified with presenting a framework for SBD predictive analytics. Then, various predictive analytical algorithms are introduced with their usage in several important application and top-tier tools and APIs. A case study on using predictive analytics to social data is provided supported with experiments to substantiate the significance and utility of predictive analytics.
• Abstract（参考訳）: 日々の業務から生ずるデータの品質と量の増加は、継続的に輸入された関連ソーシャルデータとともに、従来の統計手法ではそのようなデータ洪水に対処するには不十分である。 これは研究者に、ビジネス領域に利益をもたらす貴重な洞察を得るために組み込むことができる、先進的で洗練された分析を設計、開発するよう促している。 この章は、ソーシャルビッグデータ分析の基礎を成す中核的な側面に光を当てている。 特に,SBDの文脈における予測分析の重要性について考察し,SBD予測分析の枠組みを提示した。 次に、様々な予測分析アルゴリズムを、いくつかの重要なアプリケーションやトップクラスのツールやapiで使用することで導入する。 社会データへの予測分析の利用に関するケーススタディでは、予測分析の重要性と有用性を実証する実験が提供されている。

関連論文リスト

• Context is Key: A Benchmark for Forecasting with Essential Textual Information [87.3175915185287]
  コンテキスト・イズ・キー (Context is Key) (CiK) は、時系列予測ベンチマークであり、様々な種類のテキストコンテキストと数値データをペアリングする。 我々は,統計モデル,時系列基礎モデル,LLMに基づく予測モデルなど,さまざまなアプローチを評価する。 実験では、文脈情報の導入の重要性を強調し、LLMに基づく予測モデルを用いた場合の驚くべき性能を示すとともに、それらの重要な欠点を明らかにした。
  論文  参考訳（メタデータ） (2024-10-24T17:56:08Z)
• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• Visual Data Diagnosis and Debiasing with Concept Graphs [50.84781894621378]
  視覚データセットにおける概念共起バイアスの診断と緩和のためのフレームワークであるConBiasを提案する。 このような不均衡を緩和し,下流タスクの性能向上につながることを示す。
  論文  参考訳（メタデータ） (2024-09-26T16:59:01Z)
• Benchmarking Data Science Agents [11.582116078653968]
  大規模言語モデル(LLM)は、データサイエンスエージェントとして有望な支援として登場し、データ分析と処理において人間を支援している。 しかし、現実の応用の様々な要求と複雑な分析プロセスによって、それらの実用的有効性は依然として制限されている。 我々は、新しい評価パラダイムであるDSEvalと、これらのエージェントの性能を評価するための一連の革新的なベンチマークを紹介する。
  論文  参考訳（メタデータ） (2024-02-27T03:03:06Z)
• Capture the Flag: Uncovering Data Insights with Large Language Models [90.47038584812925]
  本研究では,Large Language Models (LLMs) を用いてデータの洞察の発見を自動化する可能性について検討する。 そこで本稿では,データセット内の意味的かつ関連する情報(フラグ)を識別する能力を測定するために,フラグを捕捉する原理に基づく新しい評価手法を提案する。
  論文  参考訳（メタデータ） (2023-12-21T14:20:06Z)
• rTisane: Externalizing conceptual models for data analysis increases engagement with domain knowledge and improves statistical model quality [11.156807472212165]
  統計モデルは、変数とその関係に関するアナリストのドメイン知識を正確に反映すべきである。 最近のツールにより、アナリストはこれらの仮定を表現し、結果の統計モデルを作成することができる。 アナリストが何を表現したいのか、外部化が統計モデルの品質に与える影響は、まだ不明だ。
  論文  参考訳（メタデータ） (2023-10-25T00:32:52Z)
• Analytical Engines With Context-Rich Processing: Towards Efficient Next-Generation Analytics [12.317930859033149]
  我々は、文脈に富む分析を可能にするコンポーネントと協調して最適化された分析エンジンを構想する。 我々は、リレーショナルおよびモデルベース演算子間の総括的なパイプラインコストとルールベースの最適化を目指している。
  論文  参考訳（メタデータ） (2022-12-14T21:46:33Z)
• Towards a Taxonomy for the Use of Synthetic Data in Advanced Analytics [0.0]
  本稿では,先進分析システムにおける合成データの展開のさまざまな側面を明らかにする分類法を提案する。 合成データの典型的なアプリケーションシナリオを特定し、採用状況を評価する。
  論文  参考訳（メタデータ） (2022-12-05T22:13:58Z)
• A Prescriptive Learning Analytics Framework: Beyond Predictive Modelling and onto Explainable AI with Prescriptive Analytics and ChatGPT [0.0]
  本研究では、透過的な機械学習と、規範的分析を可能にする技術の両方を統合する新しいフレームワークを提案する。 本研究は,プログラムノンコンプリートにおけるリスク学習者を特定するために,予測モデルを用いて提案手法を実証するものである。
  論文  参考訳（メタデータ） (2022-08-31T00:57:17Z)
• Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
  このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。 現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
  論文  参考訳（メタデータ） (2022-04-29T08:06:05Z)
• Topology-based Clusterwise Regression for User Segmentation and Demand Forecasting [63.78344280962136]
  本研究は,パブリックおよび新規な商用データ集合を用いて,アナリストがユーザベースをクラスタリングし,詳細なレベルで需要を計画できることを示す。 本研究は,TDAに基づく時系列クラスタリングと行列因数分解法によるクラスタ回帰を実践者にとって実行可能なツールとして導入することを目的とする。
  論文  参考訳（メタデータ） (2020-09-08T12:10:10Z)

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。