論文の概要: How News Evolves? Modeling News Text and Coverage using Graphs and Hawkes Process

• arxiv url: http://arxiv.org/abs/2112.03008v1
• Date: Thu, 18 Nov 2021 10:36:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-12 15:45:25.808506
• Title: How News Evolves? Modeling News Text and Coverage using Graphs and Hawkes Process
• Title（参考訳）: ニュースはどのように進化するか? グラフとホークスプロセスを用いたニューステキストとカバレッジのモデリング
• Authors: Honggen Zhang and June Zhang
• Abstract要約: 本稿では,時間とともに収集されたニューステキストを,セマンティック・トリプルを表す有向多重グラフの列に変換する手法を提案する。 離散時間ホークス法を用いて、これらのグラフから特定の位相変化のダイナミクスをモデル化する。 実世界のデータを用いて、グラフの構造と離散時間ホークスプロセスモデルを分析することで、ニュースイベントがどのようにカバーされているか、どのようにカバーされているかを予測することができることを示す。
• 参考スコア（独自算出の注目度）: 3.655021726150368
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monitoring news content automatically is an important problem. The news content, unlike traditional text, has a temporal component. However, few works have explored the combination of natural language processing and dynamic system models. One reason is that it is challenging to mathematically model the nuances of natural language. In this paper, we discuss how we built a novel dataset of news articles collected over time. Then, we present a method of converting news text collected over time to a sequence of directed multi-graphs, which represent semantic triples (Subject ! Predicate ! Object). We model the dynamics of specific topological changes from these graphs using discrete-time Hawkes processes. With our real-world data, we show that analyzing the structures of the graphs and the discrete-time Hawkes process model can yield insights on how the news events were covered and how to predict how it may be covered in the future.
• Abstract（参考訳）: ニュースコンテンツの自動監視は重要な問題だ。 ニュースコンテンツは、従来のテキストと異なり、時間的要素を持っている。 しかし、自然言語処理と動的システムモデルの組み合わせを探求した作品はほとんどない。 一つの理由は、自然言語のニュアンスを数学的にモデル化することが難しいためである。 本稿では,時間とともに収集されたニュース記事の新たなデータセットの構築方法について論じる。 次に、時間とともに収集されたニューステキストを、意味的三重項を表す有向多グラフの列に変換する方法を提案する(Subject ! Predicate ! Object)。 我々は離散時間ホークス過程を用いて、これらのグラフから特定の位相変化のダイナミクスをモデル化する。 実世界のデータを用いて、グラフの構造と離散時間ホークスプロセスモデルを分析することで、ニュースイベントがどのようにカバーされ、将来どのようにカバーされるかを予測できるかについての洞察が得られることを示した。

関連論文リスト

• Explaining Datasets in Words: Statistical Models with Natural Language Parameters [66.69456696878842]
  本稿では, クラスタリング, 時系列, 分類モデルなど, 自然言語の述語によってパラメータ化される統計モデル群を紹介する。 当社のフレームワークは、ユーザチャット対話の分類、時間の経過とともにどのように進化するかの特徴付け、一方の言語モデルが他方よりも優れているカテゴリを見つけることなど、幅広い問題に適用しています。
  論文  参考訳（メタデータ） (2024-09-13T01:40:20Z)
• Local-Global Information Interaction Debiasing for Dynamic Scene Graph Generation [51.92419880088668]
  マルチタスク学習に基づく新しいDynSGGモデルDynSGG-MTLを提案する。 長期的人間の行動は、大域的な制約に適合する複数のシーングラフを生成するためにモデルを監督し、尾の述語を学べないモデルを避ける。
  論文  参考訳（メタデータ） (2023-08-10T01:24:25Z)
• Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
  汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。 ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
  論文  参考訳（メタデータ） (2023-05-04T16:04:41Z)
• Neural Dynamic Focused Topic Model [2.9005223064604078]
  ニューラル変動推論の最近の進歩を活用し、ダイナミックフォーカストピックモデルに代替的なニューラルアプローチを提案する。 本稿では,Bernoulli確率変数の列を利用してトピックの出現を追跡するトピック進化のためのニューラルモデルを開発する。
  論文  参考訳（メタデータ） (2023-01-26T08:37:34Z)
• Infusing Commonsense World Models with Graph Knowledge [89.27044249858332]
  オープンワールドテキストアドベンチャーゲームにおける物語生成の設定について検討する。 基礎となるゲーム状態のグラフ表現は、接地グラフ表現と自然言語記述とアクションの両方を消費し出力するモデルを訓練するために使用することができる。
  論文  参考訳（メタデータ） (2023-01-13T19:58:27Z)
• Unsupervised Graph-based Topic Modeling from Video Transcriptions [5.210353244951637]
  ニューラルワード埋め込みとグラフベースのクラスタリング手法を用いて,映像の書き起こしに関するトピック抽出器を開発した。 実生活マルチモーダルデータセット MuSe-CaR の実験結果から,本手法は一貫性と意味のあるトピックを抽出することを示した。
  論文  参考訳（メタデータ） (2021-05-04T12:48:17Z)
• Scene Graph Modification Based on Natural Language Commands [90.0662899539489]
  グラフやパースツリーのような構造化表現は多くの自然言語処理システムにおいて重要な役割を果たす。 本稿では,新しい利用者の指示に応じて既存のグラフの更新方法を学ぶ必要がある,グラフ修正の新たな課題について考察する。
  論文  参考訳（メタデータ） (2020-10-06T10:01:19Z)
• Connecting the Dots: Multivariate Time Series Forecasting with Graph Neural Networks [91.65637773358347]
  多変量時系列データに特化して設計された汎用グラフニューラルネットワークフレームワークを提案する。 グラフ学習モジュールを用いて,変数間の一方向関係を自動的に抽出する。 提案手法は,4つのベンチマークデータセットのうち3つにおいて,最先端のベースライン手法よりも優れている。
  論文  参考訳（メタデータ） (2020-05-24T04:02:18Z)

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。