論文の概要: Real-time Spatio-temporal Event Detection on Geotagged Social Media
- arxiv url: http://arxiv.org/abs/2106.13121v1
- Date: Wed, 23 Jun 2021 07:14:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-26 11:16:32.117669
- Title: Real-time Spatio-temporal Event Detection on Geotagged Social Media
- Title（参考訳）: ジオタグ付きソーシャルメディアにおけるリアルタイム時空間イベント検出
- Authors: Yasmeen George, Shanika Karunasekera, Aaron Harwood and Kwan Hui Lim
- Abstract要約: 本稿では,ソーシャルメディアを利用したオンラインイベント検出システムを提案し,時間と空間の解像度の異なるイベントを検出する。
ポスト処理ステージは、スパム、フェイク、不正なイベントをフィルタリングするために導入される。
提案手法は,Melbourne,London,Paris,New Yorkなど,さまざまな都市を対象としたさまざまなソーシャルメディアデータセットを用いて評価する。
- 参考スコア（独自算出の注目度）: 3.446756313739598
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A key challenge in mining social media data streams is to identify events
which are actively discussed by a group of people in a specific local or global
area. Such events are useful for early warning for accident, protest, election
or breaking news. However, neither the list of events nor the resolution of
both event time and space is fixed or known beforehand. In this work, we
propose an online spatio-temporal event detection system using social media
that is able to detect events at different time and space resolutions. First,
to address the challenge related to the unknown spatial resolution of events, a
quad-tree method is exploited in order to split the geographical space into
multiscale regions based on the density of social media data. Then, a
statistical unsupervised approach is performed that involves Poisson
distribution and a smoothing method for highlighting regions with unexpected
density of social posts. Further, event duration is precisely estimated by
merging events happening in the same region at consecutive time intervals. A
post processing stage is introduced to filter out events that are spam, fake or
wrong. Finally, we incorporate simple semantics by using social media entities
to assess the integrity, and accuracy of detected events. The proposed method
is evaluated using different social media datasets: Twitter and Flickr for
different cities: Melbourne, London, Paris and New York. To verify the
effectiveness of the proposed method, we compare our results with two baseline
algorithms based on fixed split of geographical space and clustering method.
For performance evaluation, we manually compute recall and precision. We also
propose a new quality measure named strength index, which automatically
measures how accurate the reported event is.
- Abstract（参考訳）: ソーシャルメディアデータストリームのマイニングにおける重要な課題は、特定の地域またはグローバルな地域の人々のグループによって活発に議論されるイベントを特定することである。
このような出来事は、事故、抗議、選挙、突破ニュースの早期警告に有用である。
しかし、イベントのリストやイベント時間と空間の解決は事前に固定または既知のものではない。
本研究では,異なる時間と空間解像度のイベントを検出可能なソーシャルメディアを用いたオンライン時空間イベント検出システムを提案する。
まず, イベントの空間分解に関する課題に対処するため, ソーシャルメディアデータの密度に基づいて, 地理的空間をマルチスケール領域に分割するために, クワッドツリー法を用いる。
次に,ポアソン分布とソーシャルポストの予期せぬ密度の領域を強調する平滑化を含む統計的非教師なしアプローチを行う。
さらに、連続した時間間隔で同じ領域で発生した事象をマージすることにより、イベント期間を正確に推定する。
ポスト処理ステージは、スパム、フェイク、不正なイベントをフィルタリングするために導入される。
最後に,ソーシャルメディアを利用した単純な意味論を取り入れ,検出された事象の完全性や正確性を評価する。
提案手法は,メルボルン,ロンドン,パリ,ニューヨークの各都市を対象としたtwitterとflickrのソーシャルメディアデータセットを用いて評価される。
提案手法の有効性を検証するため,地理的空間の固定分割とクラスタリング法に基づく2つのベースラインアルゴリズムとの比較を行った。
性能評価のために,手動でリコールと精度を計算する。
また,報告された事象の正確性を自動的に測定する「強度指標」という新しい品質指標を提案する。
関連論文リスト
- Event Detection via Probability Density Function Regression [0.0]
本研究では、時間間隔定義イベント検出問題を再編成する一般化回帰に基づく手法を提案する。
コンピュータビジョンからの熱マップ回帰技術にインスパイアされた本手法は,事象発生時の確率密度を予測することを目的としている。
回帰に基づくアプローチは,様々な最先端のベースラインネットワークやデータセットのセグメンテーションに基づく手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-08-23T01:58:56Z) - Adaptive Differentially Private Structural Entropy Minimization for Unsupervised Social Event Detection [29.13690542566747]
社会的事象の検出は、意見分析、社会的安全、意思決定など、多くの分野で重要である。
現在のほとんどのメソッドは監視されており、大量のデータにアクセスする必要があります。
プライバシを優先する,教師なしのソーシャルイベント検出手法であるADP-SEMEventを提案する。
論文 参考訳（メタデータ） (2024-07-23T11:19:22Z) - Hierarchical and Incremental Structural Entropy Minimization for
Unsupervised Social Event Detection [61.87480191351659]
グラフニューラルネットワーク(GNN)ベースの手法は、自然言語の意味論と複雑なソーシャルネットワーク構造情報の融合を可能にする。
本稿では,グラフ構造エントロピー(SE)最小化による社会事象の検出について述べる。
GNNベースの手法の利点を維持しながら、提案するフレームワークであるHISEventは、より有益なメッセージグラフを構築している。
論文 参考訳（メタデータ） (2023-12-19T06:28:32Z) - SpatialRank: Urban Event Ranking with NDCG Optimization on
Spatiotemporal Data [55.609946936979036]
本研究ではSpatialRankという新しい空間イベントランキング手法を提案する。
本研究では,SpatialRankが犯罪や交通事故の最も危険性の高い場所を効果的に特定できることを示す。
論文 参考訳（メタデータ） (2023-09-30T06:20:21Z) - Unifying Event Detection and Captioning as Sequence Generation via
Pre-Training [53.613265415703815]
本稿では,イベント検出とキャプションのタスク間関連性を高めるための,事前学習と微調整の統合フレームワークを提案する。
我々のモデルは最先端の手法よりも優れており、大規模ビデオテキストデータによる事前学習ではさらに向上できる。
論文 参考訳（メタデータ） (2022-07-18T14:18:13Z) - RATE: Overcoming Noise and Sparsity of Textual Features in Real-Time
Location Estimation [18.6505004991784]
ソーシャルメディア利用者のリアルタイム位置推定は空間的応用に不可欠である。
ツイートテキストは位置推定において最もよく使われる機能であるが、以前の作品のほとんどはノイズやテキストの特徴の幅に悩まされていた。
トピックモデリングをビルディングブロックとして使用し、地理的トピックの変動や語彙の変動を特徴付けることにより、ベクトルの「ワンホット」が直接使用されないようにする。
論文 参考訳（メタデータ） (2021-11-12T00:57:42Z) - Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。
我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
論文 参考訳（メタデータ） (2021-09-13T20:50:37Z) - Streaming Social Event Detection and Evolution Discovery in
Heterogeneous Information Networks [90.3475746663728]
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。
論文 参考訳（メタデータ） (2021-04-02T02:13:10Z) - Unsupervised Feature Learning for Event Data: Direct vs Inverse Problem
Formulation [53.850686395708905]
イベントベースのカメラは、ピクセルごとの明るさ変化の非同期ストリームを記録する。
本稿では,イベントデータからの表現学習のための単一層アーキテクチャに焦点を当てる。
我々は,最先端手法と比較して,認識精度が最大9%向上したことを示す。
論文 参考訳（メタデータ） (2020-09-23T10:40:03Z) - Embed2Detect: Temporally Clustered Embedded Words for Event Detection in
Social Media [1.7205106391379026]
ワード埋め込みの採用により、Embed2Detectは強力なセマンティック機能をイベント検出に組み込むことができる。
以上の結果から,Embed2Detectは効率的かつ効率的なイベント検出が可能であることが示唆された。
論文 参考訳（メタデータ） (2020-06-10T15:52:52Z)
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。