論文の概要: Extracting Large Scale Spatio-Temporal Descriptions from Social Media
- arxiv url: http://arxiv.org/abs/2206.13281v1
- Date: Mon, 27 Jun 2022 13:16:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 09:29:36.565951
- Title: Extracting Large Scale Spatio-Temporal Descriptions from Social Media
- Title(参考訳): ソーシャルメディアによる大規模時空間記述の抽出
- Authors: Carlo Bono, Barbara Pernici
- Abstract要約: 大規模イベントの追跡能力は、それらを理解し、適切なタイムリーな方法で反応を調整するために不可欠である。
我々は、ソーシャルメディアのような半構造化データソースを取り込み、このようなデータを拡張できるという仮説を模索している。
ソーシャルメディアは、直接の目撃者や専門家の意見などの貴重な知識を拡散しうるが、その騒々しい性質は、それらを管理しやすくするものではない。
- 参考スコア(独自算出の注目度): 1.14219428942199
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The ability to track large-scale events as they happen is essential for
understanding them and coordinating reactions in an appropriate and timely
manner. This is true, for example, in emergency management and decision-making
support, where the constraints on both quality and latency of the extracted
information can be stringent. In some contexts, real-time and large-scale
sensor data and forecasts may be available. We are exploring the hypothesis
that this kind of data can be augmented with the ingestion of semi-structured
data sources, like social media. Social media can diffuse valuable knowledge,
such as direct witness or expert opinions, while their noisy nature makes them
not trivial to manage. This knowledge can be used to complement and confirm
other spatio-temporal descriptions of events, highlighting previously unseen or
undervalued aspects. The critical aspects of this investigation, such as event
sensing, multilingualism, selection of visual evidence, and geolocation, are
currently being studied as a foundation for a unified spatio-temporal
representation of multi-modal descriptions. The paper presents, together with
an introduction on the topics, the work done so far on this line of research,
also presenting case studies relevant to the posed challenges, focusing on
emergencies caused by natural disasters.
- Abstract(参考訳): 大規模イベントの追跡能力は、それらを理解し、適切なタイミングで反応を調整するために不可欠である。
これは、例えば、緊急管理と意思決定のサポートにおいて、抽出された情報の質とレイテンシの制約を厳格化することができる。
一部の状況では、リアルタイムおよび大規模センサーデータと予測が利用可能である。
この種のデータは、ソーシャルメディアのような半構造化データソースの取り込みによって拡張できるという仮説を探求している。
ソーシャルメディアは、直接目撃者や専門家の意見のような貴重な知識を広めるが、そのうるさい性質は管理が容易ではない。
この知識は、イベントの他の時空間的記述を補完し、確認するために使用することができ、以前は見当たらなかった、あるいは過小評価された側面を強調することができる。
イベントセンシング,多言語主義,視覚的エビデンスの選択,位置情報など,この研究の重要な側面は,現在,多モーダル記述の時空間的統一表現の基礎として研究されている。
本論文は,本研究の成果と合わせて,本研究の成果を概説するとともに,自然災害による緊急事態に焦点をあてた課題に関する事例研究を提示する。
関連論文リスト
- Time Series Analysis of Key Societal Events as Reflected in Complex
Social Media Data Streams [0.9790236766474201]
本研究では,ニッチなソーシャルメディアプラットフォームであるGABと,確立されたメッセージングサービスであるTelegramの物語進化について検討する。
我々のアプローチは、複数のソーシャルメディアドメインを調査し、他の方法では見えない重要な情報を排除するための新しいモードである。
主な知見は,(1) 時間線をデコンストラクトして, 解釈を改善するための有用なデータ機能を提供すること,(2) 一般化の基盤を提供する方法論を適用すること,である。
論文 参考訳(メタデータ) (2024-03-11T18:33:56Z) - Transcending the Attention Paradigm: Representation Learning from
Geospatial Social Media Data [1.8311821879979955]
本研究では,分散パターンの源泉としてソーシャルメディアデータを調べることで,パフォーマンスベンチマークのパラダイムに挑戦する。
これらの抽象的関係を適切に表現するために、この研究では、経験的ソーシャルメディアコーパスを要素成分に分解し、人口密度の場所をまたいだ20億以上のツイートを分析した。
論文 参考訳(メタデータ) (2023-10-09T03:27:05Z) - An Overview Of Temporal Commonsense Reasoning and Acquisition [20.108317515225504]
時間的コモンセンス推論(英: Temporal Commonsense reasoning)とは、フレーズ、行動、出来事の典型的な時間的文脈を理解する能力である。
大規模言語モデルの性能に関する最近の研究は、しばしば推論においてショートカットを行い、単純な言語トラップに陥ることが示唆されている。
論文 参考訳(メタデータ) (2023-07-28T01:30:15Z) - On the Role of Attention in Prompt-tuning [90.97555030446563]
本研究では,一層アテンションアーキテクチャのプロンプトチューニングについて検討し,文脈混合モデルについて検討する。
ソフトマックス・プロンプト・アテンションは, ソフトマックス・自己アテンションやリニア・プロンプト・アテンションよりも明らかに表現力が高いことを示す。
また、実際のデータセットに関する理論的洞察を検証し、モデルが文脈関連情報にどのように対応できるかを示す実験も提供する。
論文 参考訳(メタデータ) (2023-06-06T06:23:38Z) - Getting Sick After Seeing a Doctor? Diagnosing and Mitigating Knowledge
Conflicts in Event Temporal Reasoning [61.48283695746648]
イベント時間的推論は、2つ以上のイベント間の時間的関係を特定することを目的としている。
知識の衝突は、コンテキスト内の事象の実際の時間的関係と、モデルによって学習された事前の知識やバイアスとの間にミスマッチがあるときに起こる。
論文 参考訳(メタデータ) (2023-05-24T10:04:06Z) - Toward the Automated Construction of Probabilistic Knowledge Graphs for
the Maritime Domain [60.76554773885988]
国際海事犯罪はますます高度化しており、より広い犯罪ネットワークと結びついていることが多い。
これは、ハードデータと他のタイプのデータを組み合わせることを目的とした研究と開発に繋がった。
本稿では,確率的知識グラフの自動構築のためのプロトタイプであるMaritime DeepDiveを提案する。
論文 参考訳(メタデータ) (2023-05-04T00:24:30Z) - Video Action Detection: Analysing Limitations and Challenges [70.01260415234127]
ビデオ行動検出における既存のデータセットを分析し,その限界について議論する。
静的画像から映像を区別する重要な特性である時間的側面を解析するバイアスネススタディを実行する。
このような極端な実験は、注意深いモデリングを必要とする既存の手法に忍び込んだバイアスの存在を示している。
論文 参考訳(メタデータ) (2022-04-17T00:42:14Z) - Causal BERT : Language models for causality detection between events
expressed in text [1.0756038762528868]
イベント間の因果関係の理解は、ヘルスケア、ビジネスリスク管理、財務など、多くの分野で役立ちます。
自然言語イベント間の「因果関係」は、暗黙的に表現されることが多いため、単に挑戦を続ける。
提案手法は3つの異なるデータ分布において最先端の性能を達成し,因果図の抽出に利用できる。
論文 参考訳(メタデータ) (2020-12-10T04:59:12Z) - 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) - Predicting Themes within Complex Unstructured Texts: A Case Study on
Safeguarding Reports [66.39150945184683]
本稿では,教師付き分類手法を用いた保護レポートにおいて,主テーマの自動識別の問題に焦点をあてる。
この結果から,ラベル付きデータに制限のある複雑なタスクであっても,深層学習モデルが対象知識の振る舞いをシミュレートする可能性が示唆された。
論文 参考訳(メタデータ) (2020-10-27T19:48:23Z) - Tense, aspect and mood based event extraction for situation analysis and
crisis management [0.0]
この論文はトルコ語のこのような体系を発展させている。
基本的なイベント構造を抽出することに加えて、その時間的、モーダル的、そして意志的/反復的な値に従って、ニュースレポートに与えられる文を分類することができる。
論文 参考訳(メタデータ) (2020-08-01T19:22:51Z)
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。