論文の概要: ExcavatorCovid: Extracting Events and Relations from Text Corpora for Temporal and Causal Analysis for COVID-19

• arxiv url: http://arxiv.org/abs/2105.01819v1
• Date: Wed, 5 May 2021 01:18:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-06 21:44:55.558144
• Title: ExcavatorCovid: Extracting Events and Relations from Text Corpora for Temporal and Causal Analysis for COVID-19
• Title（参考訳）: ExcavatorCovid:COVID-19の時間・因果分析のためのテキストコーパスからのイベントと関係抽出
• Authors: Bonan Min, Benjamin Rozonoyer, Haoling Qiu, Alexander Zamanian, Jessica MacBride
• Abstract要約: excavatorcovidは、オープンソースのテキスト文書を取り込む機械読取システムである。 COVID19関連イベントとそれらの関係を抽出し、時間と因果分析グラフを構築する。
• 参考スコア（独自算出の注目度）: 63.72766553648224
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Timely responses from policy makers to mitigate the impact of the COVID-19 pandemic rely on a comprehensive grasp of events, their causes, and their impacts. These events are reported at such a speed and scale as to be overwhelming. In this paper, we present ExcavatorCovid, a machine reading system that ingests open-source text documents (e.g., news and scientific publications), extracts COVID19 related events and relations between them, and builds a Temporal and Causal Analysis Graph (TCAG). Excavator will help government agencies alleviate the information overload, understand likely downstream effects of political and economic decisions and events related to the pandemic, and respond in a timely manner to mitigate the impact of COVID-19. We expect the utility of Excavator to outlive the COVID-19 pandemic: analysts and decision makers will be empowered by Excavator to better understand and solve complex problems in the future. An interactive TCAG visualization is available at http://afrl402.bbn.com:5050/index.html. We also released a demonstration video at https://vimeo.com/528619007.
• Abstract（参考訳）: 新型コロナウイルスのパンデミックの影響を緩和する政策立案者からのタイムリーな対応は、イベントやその原因、影響の包括的把握に依存している。 これらの事象は、圧倒的なスピードと規模で報告される。 本稿では,オープンソーステキスト文書(ニュースや学術出版物など)を取り込み,COVID19関連事象とそれらの関係を抽出し,時間・因果解析グラフ(TCAG)を構築する機械読取システムであるExcavatorCovidを提案する。 excavatorは政府機関が情報過負荷を軽減し、政治的・経済的な決定やパンデミックに関連する出来事の下流効果を理解し、新型コロナウイルスの影響を軽減するためのタイムリーな対応を支援する。 Excavatorが新型コロナウイルス(COVID-19)のパンデミックを乗り越えることを期待している。アナリストと意思決定者は、Excavatorによって将来複雑な問題をよりよく理解し、解決する権限を与えられる。 TCAGの可視化はhttp://afrl402.bbn.com:5050/index.htmlで見ることができる。 デモビデオもhttps://vimeo.com/528619007で公開しました。

関連論文リスト

• Harnessing Temporal Causality for Advanced Temporal Action Detection [53.654457142657236]
  本稿では,因果的注意と因果的マンバを組み合わせたCausalTADを提案する。 Ego4D Challenge 2024では,EPIC-Kitchens Challenge 2024では行動認識,行動検出,音声によるインタラクション検出トラックで1位,Ego4D Challenge 2024ではMoment Queriesトラックで1位にランクインした。
  論文  参考訳（メタデータ） (2024-07-25T06:03:02Z)
• Unsupervised Extractive Summarization of Emotion Triggers [56.50078267340738]
  我々は、感情を共同で検出し、トリガーを要約できる新しい教師なし学習モデルを開発した。 Emotion-Aware Pagerankと題された私たちのベストアプローチは、外部ソースからの感情情報と言語理解モジュールを組み合わせたものです。
  論文  参考訳（メタデータ） (2023-06-02T11:07:13Z)
• Causalainer: Causal Explainer for Automatic Video Summarization [77.36225634727221]
  多くのアプリケーションシナリオにおいて、不適切なビデオ要約は大きな影響を与える可能性がある。 説明可能性のモデリングは重要な関心事です。 Causalainerと呼ばれるCausal Explainerがこの問題に対処するために提案されている。
  論文  参考訳（メタデータ） (2023-04-30T11:42:06Z)
• Understanding COVID-19 Effects on Mobility: A Community-Engaged Approach [4.3098954820300435]
  集約されたモバイルデバイスデータを考えると、新型コロナウイルスの政策介入がモビリティに与える影響を理解することが目的だ。 長期の訪問でクエリをサポートするエンティティ関係図、システムアーキテクチャ、実装を提供する。
  論文  参考訳（メタデータ） (2022-01-10T09:37:03Z)
• An Analysis of COVID-19 Knowledge Graph Construction and Applications [7.849573720043142]
  ロサンゼルス地域では、新型コロナウイルス関連のツイートから構築された知識グラフを提示する。 自然言語処理と変更点解析を用いて、ツイートトピック、ツイート日付、イベント日付の関係を抽出する。
  論文  参考訳（メタデータ） (2021-10-10T23:58:57Z)
• TweetCOVID: A System for Analyzing Public Sentiments and Discussions about COVID-19 via Twitter Activities [0.3121997724420106]
  TweetCOVIDは、新型コロナウイルス(COVID-19)パンデミックに対する大衆の反応を、その感情、感情、関心のトピック、議論の的となっている議論の観点から理解する機能を提供する。
  論文  参考訳（メタデータ） (2021-03-02T05:00:41Z)
• Topic, Sentiment and Impact Analysis: COVID19 Information Seeking on Social Media [1.6328866317851185]
  この研究は、COVID19に関連するオーストラリアの球面の大規模な時空間的ツイートデータセットを分析した。 この手法にはボリューム分析、ダイナミックトピックモデリング、感情検出、セマンティックブランドスコアが含まれていた。 得られた知見は、政府報告事例のような独立に観察された現象と比較される。
  論文  参考訳（メタデータ） (2020-08-28T02:03:18Z)
• Causal Discovery in Physical Systems from Videos [123.79211190669821]
  因果発見は人間の認知の中心にある。 本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
  論文  参考訳（メタデータ） (2020-07-01T17:29:57Z)
• Dashboard of sentiment in Austrian social media during COVID-19 [0.12656629989060433]
  3つの異なるデータソースからのデジタルトレースを用いて、感情力学の自己更新モニタを構築する。 私たちはWebスクレイピングとAPIアクセスを使って、ニュースプラットフォームであるderstandard.at、Twitter、学生向けのチャットプラットフォームからデータを取得する。 同様のツールの開発に関心のある他の研究者に資料を提供するため、ワークフローの技術的な詳細を文書化します。
  論文  参考訳（メタデータ） (2020-06-19T14:42:38Z)
• A Study of Knowledge Sharing related to Covid-19 Pandemic in Stack Overflow [69.5231754305538]
  主に2020年2月と3月に投稿された464のStack Overflowに関する質問と、テキストマイニングの力を活用した調査。 事実、この世界的な危機はStack Overflowにおける活動の激化を招き、ほとんどのトピックは、Covid-19データ分析に対する強い関心を反映している。
  論文  参考訳（メタデータ） (2020-04-18T08:19:46Z)

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。