論文の概要: Detecting Rumours with Latency Guarantees using Massive Streaming Data
- arxiv url: http://arxiv.org/abs/2205.06580v1
- Date: Fri, 13 May 2022 12:11:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-16 18:23:57.375246
- Title: Detecting Rumours with Latency Guarantees using Massive Streaming Data
- Title（参考訳）: 大規模ストリーミングデータによるレイテンシ保証による噂の検出
- Authors: Thanh Tam Nguyen, Thanh Trung Huynh, Hongzhi Yin, Matthias Weidlich,
Thanh Thi Nguyen, Thai Son Mai, Quoc Viet Hung Nguyen
- Abstract要約: 我々は、ほとんどの噂を高速に検出する最良の噂を、高い遅延を伴う全ての噂よりも議論する。
我々は,効率的な負荷シェディングと噂パターンの効率的なグラフベースのマッチング手法を組み合わせる。
大規模な実世界のデータセットを用いた実験は、我々のアプローチの堅牢性を示している。
- 参考スコア（独自算出の注目度）: 41.41433694440739
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Today's social networks continuously generate massive streams of data, which
provide a valuable starting point for the detection of rumours as soon as they
start to propagate. However, rumour detection faces tight latency bounds, which
cannot be met by contemporary algorithms, given the sheer volume of
high-velocity streaming data emitted by social networks. Hence, in this paper,
we argue for best-effort rumour detection that detects most rumours quickly
rather than all rumours with a high delay. To this end, we combine techniques
for efficient, graph-based matching of rumour patterns with effective load
shedding that discards some of the input data while minimising the loss in
accuracy. Experiments with large-scale real-world datasets illustrate the
robustness of our approach in terms of runtime performance and detection
accuracy under diverse streaming conditions.
- Abstract（参考訳）: 今日のソーシャルネットワークは、大量のデータストリームを継続的に生成し、噂が広まり始めるとすぐに、噂の検出の出発点となる。
しかし、ソーシャルネットワークが出力する高速度ストリーミングデータの量を考えると、現代のアルゴリズムでは満たせない、厳密なレイテンシ境界が噂されている。
そこで本研究では,遅延の大きいすべての噂よりも,ほとんどの噂を素早く検出する最善の噂検出法を提案する。
この目的のために,提案手法は,精度の低下を最小限に抑えつつ,入力データの一部を破棄する効率的な負荷シェディングと噂パターンのグラフマッチングを併用する。
大規模実世界のデータセットを用いた実験は、さまざまなストリーミング条件下での実行時性能と検出精度の観点から、このアプローチの堅牢性を示している。
関連論文リスト
- Deep learning-based shot-domain seismic deblending [1.6411821807321063]
我々は,各帆行の最後に獲得した未完成のショットコレクションを利用する。
これらのデータを手動でブレンドすることで、地上の真実をうまく制御したトレーニングデータが得られる。
隣接するブレンドショット集合を含むマルチチャネル入力を用いてディープニューラルネットワークを訓練する。
論文 参考訳（メタデータ） (2024-09-13T07:32:31Z) - Stochastic Amortization: A Unified Approach to Accelerate Feature and Data Attribution [62.71425232332837]
雑音ラベル付きモデルを用いたトレーニングは安価で驚くほど効果的であることを示す。
このアプローチは、いくつかの特徴属性とデータ評価手法を著しく加速し、しばしば既存のアプローチよりも桁違いにスピードアップする。
論文 参考訳（メタデータ） (2024-01-29T03:42:37Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - DynImp: Dynamic Imputation for Wearable Sensing Data Through Sensory and
Temporal Relatedness [78.98998551326812]
従来の手法では、データの時系列ダイナミクスと、異なるセンサーの特徴の関連性の両方をめったに利用していない、と我々は主張する。
我々はDynImpと呼ばれるモデルを提案し、特徴軸に沿って近接する隣人と異なる時間点の欠如を扱う。
本手法は, 関連センサのマルチモーダル性特性を活かし, 履歴時系列のダイナミックスから学習し, 極端に欠落した状態でデータを再構築することができることを示す。
論文 参考訳（メタデータ） (2022-09-26T21:59:14Z) - Real-time Object Detection for Streaming Perception [84.2559631820007]
ストリーミング知覚は,ビデオオンライン知覚の1つの指標として,レイテンシと精度を共同評価するために提案される。
ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。
提案手法はArgoverse-HDデータセット上での競合性能を実現し,強力なベースラインに比べてAPを4.9%向上させる。
論文 参考訳（メタデータ） (2022-03-23T11:33:27Z) - An Efficient Anomaly Detection Approach using Cube Sampling with
Streaming Data [2.0515785954568626]
異常検出は侵入検知、健康モニタリング、故障診断、センサネットワークイベント検出など様々な分野で重要である。
孤立林(アイフォレスト)アプローチは、異常を検出するためのよく知られた手法である。
本稿では,ストリーミングデータに有効なキューブサンプリングを用いた,効率的なiForestに基づく異常検出手法を提案する。
論文 参考訳（メタデータ） (2021-10-05T04:23:00Z) - Fast Wireless Sensor Anomaly Detection based on Data Stream in Edge
Computing Enabled Smart Greenhouse [5.716360276016705]
エッジコンピューティングを有効にするスマート温室は、IoT技術の代表的なアプリケーションである。
従来の異常検出アルゴリズムは、無線センサによって生成されたデータストリームの特性を適切に考慮していない。
論文 参考訳（メタデータ） (2021-07-28T13:32:12Z) - Towards Streaming Perception [70.68520310095155]
本稿では、リアルタイムオンライン知覚のための単一のメトリクスにレイテンシと精度を協調的に統合するアプローチを提案する。
この指標の背後にある重要な洞察は、瞬間ごとに認識スタック全体の出力を共同で評価することである。
本稿では,都市ビデオストリームにおけるオブジェクト検出とインスタンスセグメンテーションの具体的タスクに注目し,高品質で時間依存的なアノテーションを備えた新しいデータセットを寄贈する。
論文 参考訳（メタデータ） (2020-05-21T01:51:35Z)
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。