論文の概要: A Survey on Societal Event Forecasting with Deep Learning
- arxiv url: http://arxiv.org/abs/2112.06345v1
- Date: Sun, 12 Dec 2021 22:57:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-14 15:28:35.321322
- Title: A Survey on Societal Event Forecasting with Deep Learning
- Title(参考訳): 深層学習による社会イベント予測に関する研究
- Authors: Songgaojun Deng and Yue Ning
- Abstract要約: 我々は、社会的出来事の2つの領域(textitcivil unrestとtextitcrime)に焦点を当てる。
まず、機械学習予測タスクとしてイベント予測問題を定式化する方法を紹介し、次に、データリソース、従来の手法、そしてこれらの問題に対する最近のディープラーニングモデルの開発について要約する。
- 参考スコア(独自算出の注目度): 12.343312954353639
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Population-level societal events, such as civil unrest and crime, often have
a significant impact on our daily life. Forecasting such events is of great
importance for decision-making and resource allocation. Event prediction has
traditionally been challenging due to the lack of knowledge regarding the true
causes and underlying mechanisms of event occurrence. In recent years, research
on event forecasting has made significant progress due to two main reasons: (1)
the development of machine learning and deep learning algorithms and (2) the
accessibility of public data such as social media, news sources, blogs,
economic indicators, and other meta-data sources. The explosive growth of data
and the remarkable advancement in software/hardware technologies have led to
applications of deep learning techniques in societal event studies. This paper
is dedicated to providing a systematic and comprehensive overview of deep
learning technologies for societal event predictions. We focus on two domains
of societal events: \textit{civil unrest} and \textit{crime}. We first
introduce how event forecasting problems are formulated as a machine learning
prediction task. Then, we summarize data resources, traditional methods, and
recent development of deep learning models for these problems. Finally, we
discuss the challenges in societal event forecasting and put forward some
promising directions for future research.
- Abstract(参考訳): 市民の不安や犯罪のような人口レベルの社会イベントは、日常生活に大きな影響を及ぼすことが多い。
このようなイベントの予測は、意思決定とリソース割り当てにとって非常に重要です。
イベント予測は伝統的に、真の原因に関する知識の欠如とイベント発生の根本的なメカニズムのために困難だった。
近年、イベント予測の研究は、(1)機械学習とディープラーニングアルゴリズムの開発、(2)ソーシャルメディア、ニュースソース、ブログ、経済指標、その他のメタデータソースなどの公開データのアクセシビリティーという2つの主な理由により、大きな進歩を遂げている。
データの爆発的な成長とソフトウェア/ハードウェア技術の顕著な進歩により、深層学習技術が社会イベント研究に応用されている。
本稿では,社会イベント予測のための深層学習技術の体系的,包括的概要を提供する。
社会イベントの2つの領域に焦点をあてる: \textit{civil unrest} と \textit{crime} である。
まず,イベント予測問題を機械学習予測タスクとして定式化する方法について紹介する。
次に,これらの問題に対するデータ資源,従来手法,最近のディープラーニングモデル開発を要約する。
最後に,社会イベント予測の課題について論じ,今後の研究に向けて有望な方向性を示す。
関連論文リスト
- Evolving to the Future: Unseen Event Adaptive Fake News Detection on
Social Media [29.22073623882667]
本稿では,Future Adaptive Event-based Fake News Detection (FADE)フレームワークを紹介する。
我々は、適応的な拡張戦略とグラフのコントラスト学習を用いて目標予測器を訓練し、より堅牢な全体予測を行う。
対象予測器の出力からイベントのみ予測器の出力を減じることで、イベントバイアスをさらに軽減する。
論文 参考訳(メタデータ) (2024-02-29T06:40:53Z) - Real-Time Event Detection with Random Forests and Temporal Convolutional
Networks for More Sustainable Petroleum Industry [1.9370374882811083]
石油産業は現代社会にとって不可欠であるが、生産プロセスは複雑で危険である。
好ましくない生産イベントは 環境と経済に深刻なダメージを与えます
従来の研究では、望ましくない事象検出のための機械学習(ML)手法が研究されている。
本稿では,ランダムな森林と時間的畳み込みネットワークという2つのML手法を用いて,望ましくない事象をリアルタイムに検出する手法を提案する。
論文 参考訳(メタデータ) (2023-10-12T21:50:53Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳(メタデータ) (2022-07-19T16:15:11Z) - Forecasting Future World Events with Neural Networks [68.43460909545063]
Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。
ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。
予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
論文 参考訳(メタデータ) (2022-06-30T17:59:14Z) - Causal Knowledge Guided Societal Event Forecasting [24.437437565689393]
本稿では,因果効果推定をイベント予測に組み込むディープラーニングフレームワークを提案する。
機能再重み付けモジュールと近似損失を含む2つの頑健な学習モジュールを導入し、事前の知識注入を可能にする。
論文 参考訳(メタデータ) (2021-12-10T17:41:02Z) - Individual Explanations in Machine Learning Models: A Case Study on
Poverty Estimation [63.18666008322476]
機械学習の手法は、敏感な社会的文脈でますます適用されつつある。
本研究の主な目的は2つある。
まず、これらの課題を公開し、関連性のある新しい説明方法の使用にどのように影響するか。
次に、関連するアプリケーションドメインで説明メソッドを実装する際に直面するような課題を軽減する一連の戦略を提示します。
論文 参考訳(メタデータ) (2021-04-09T01:54:58Z) - Patterns, predictions, and actions: A story about machine learning [59.32629659530159]
この機械学習に関する大学院教科書は、データのパターンが予測と連続的なアクションをどのようにサポートするかを物語っている。
因果関係の自己完結した導入、因果推論の実践、逐次的な意思決定、強化学習は、読者に行動とその結果について推論するための概念とツールを与える。
論文 参考訳(メタデータ) (2021-02-10T03:42:03Z) - Deep Learning for Human Mobility: a Survey on Data and Models [5.9623431392389]
人間の移動性の研究は、社会の様々な側面に影響を及ぼすため、非常に重要である。
電話記録、GPSトレース、ソーシャルメディア投稿などのデジタルモビリティデータの拡散は、深層学習を人間のモビリティに適用するきっかけとなった。
我々の調査は、次の位置予測、群集の流れ予測、軌道生成に対する先進的なディープラーニングソリューションのガイドである。
論文 参考訳(メタデータ) (2020-12-04T19:59:39Z) - Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。
有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。
我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
論文 参考訳(メタデータ) (2020-11-02T02:03:07Z) - Event Prediction in the Big Data Era: A Systematic Survey [7.3810864598379755]
ビッグデータ時代において、イベント予測は実行可能な選択肢になりつつある。
本稿では,イベント予測の技術,応用,評価について,体系的かつ包括的な調査を行うことを目的とする。
論文 参考訳(メタデータ) (2020-07-19T23:24:52Z) - Mining Disinformation and Fake News: Concepts, Methods, and Recent
Advancements [55.33496599723126]
偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています
偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
論文 参考訳(メタデータ) (2020-01-02T21:01:02Z)
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。