論文の概要: EDSA-Ensemble: an Event Detection Sentiment Analysis Ensemble Architecture

• arxiv url: http://arxiv.org/abs/2301.12805v1
• Date: Mon, 30 Jan 2023 11:56:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-31 15:09:43.544691
• Title: EDSA-Ensemble: an Event Detection Sentiment Analysis Ensemble Architecture
• Title（参考訳）: EDSA-Ensemble:イベント検出センシティメント分析アンサンブルアーキテクチャ
• Authors: Alexandru Petrescu and Ciprian-Octavian Truic\u{a} and Elena-Simona Apostol and Adrian Paschke
• Abstract要約: Sentiment Analysisを使って、イベントに属する各メッセージの極性やイベント全体を理解することで、オンラインソーシャルネットワークにおける重要なトレンドやダイナミクスに関する一般的な感情や個人の感情をよりよく理解することができます。 本研究では,ソーシャルメディアから現在起きているイベントの極性検出を改善するために,イベント検出と知覚分析を用いた新しいアンサンブルアーキテクチャEDSA-Ensembleを提案する。
• 参考スコア（独自算出の注目度）: 63.85863519876587
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: As global digitization continues to grow, technology becomes more affordable and easier to use, and social media platforms thrive, becoming the new means of spreading information and news. Communities are built around sharing and discussing current events. Within these communities, users are enabled to share their opinions about each event. Using Sentiment Analysis to understand the polarity of each message belonging to an event, as well as the entire event, can help to better understand the general and individual feelings of significant trends and the dynamics on online social networks. In this context, we propose a new ensemble architecture, EDSA-Ensemble (Event Detection Sentiment Analysis Ensemble), that uses Event Detection and Sentiment Analysis to improve the detection of the polarity for current events from Social Media. For Event Detection, we use techniques based on Information Diffusion taking into account both the time span and the topics. To detect the polarity of each event, we preprocess the text and employ several Machine and Deep Learning models to create an ensemble model. The preprocessing step includes several word representation models, i.e., raw frequency, TFIDF, Word2Vec, and Transformers. The proposed EDSA-Ensemble architecture improves the event sentiment classification over the individual Machine and Deep Learning models.
• Abstract（参考訳）: グローバルなデジタル化が進むにつれ、テクノロジーはより安価で使いやすくなり、ソーシャルメディアプラットフォームは成長し、情報やニュースを広める新しい手段となった。 コミュニティは現在のイベントの共有と議論を中心に構築されている。 これらのコミュニティ内では、各イベントに関する意見を共有できる。 Sentiment Analysisを使って、イベントに属する各メッセージの極性やイベント全体を理解することで、オンラインソーシャルネットワークにおける重要なトレンドやダイナミクスに関する一般的な感情や個人の感情をよりよく理解することができます。 そこで本稿では,イベント検出と検出分析を用いて,ソーシャルメディアから現在起きているイベントの極性の検出を改善する,新たなアンサンブルアーキテクチャであるEDSA-Ensembleを提案する。 イベント検出には,時間スパンとトピックの両方を考慮した情報拡散に基づく手法を用いる。 各イベントの極性を検出するために、テキストを前処理し、複数の機械学習モデルとディープラーニングモデルを用いてアンサンブルモデルを作成する。 前処理ステップは、いくつかのワード表現モデル、すなわち、raw周波数、tfidf、word2vec、transformerを含む。 提案したEDSA-Ensembleアーキテクチャは、個々の機械学習モデルとディープラーニングモデルに対するイベント感情分類を改善する。

関連論文リスト

• Double Mixture: Towards Continual Event Detection from Speech [60.33088725100812]
  音声イベント検出は、セマンティックイベントと音響イベントの両方のタグ付けを含むマルチメディア検索に不可欠である。 本稿では, 音声イベント検出における主な課題として, 過去の出来事を忘れることなく新たな事象を連続的に統合すること, 音響イベントからの意味のゆがみについて述べる。 本稿では,適応性を向上し,忘れることを防止するために,音声の専門知識と堅牢な記憶機構を融合する新しい手法「ダブルミキチャー」を提案する。
  論文  参考訳（メタデータ） (2024-04-20T06:32:00Z)
• Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
  ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。 コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
  論文  参考訳（メタデータ） (2023-11-26T09:11:32Z)
• EnrichEvent: Enriching Social Data with Contextual Information for Emerging Event Extraction [5.795017262737487]
  本稿では,ストリーミングソーシャルデータの言語的および文脈的表現を活用する新しいフレームワークであるEnrichEventを提案する。 提案するフレームワークは,イベントの時間的変化を示すために,各イベントのクラスタチェーンを生成する。
  論文  参考訳（メタデータ） (2023-07-29T21:37:55Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Unsupervised Key Event Detection from Massive Text Corpora [42.31889135421941]
  本稿では,ニュースコーパスキーイベントから検出することを目的とした,中間レベルでのキーイベント検出という新たなタスクを提案する。 このタスクは、イベントの理解と構造化をブリッジすることができ、キーイベントのテーマと時間的近接性のために本質的に困難である。 我々は、新しいttf-itfスコアを用いて、時間的に頻繁なピークフレーズを抽出する、教師なしキーイベント検出フレームワークEvMineを開発した。
  論文  参考訳（メタデータ） (2022-06-08T20:31:02Z)
• Audio-visual Representation Learning for Anomaly Events Detection in Crowds [119.72951028190586]
  本稿では,音声と視覚信号の同時モデリングにおけるマルチモーダル学習の活用を試みる。 監視シーンにおける合成音声視覚データセットであるSHADEデータセットについて実験を行った。 音声信号の導入は,異常事象の検出性能を効果的に向上し,他の最先端手法よりも優れることがわかった。
  論文  参考訳（メタデータ） (2021-10-28T02:42:48Z)
• COfEE: A Comprehensive Ontology for Event Extraction from text, with an online annotation tool [3.8995911009078816]
  イベント抽出(EE)は、特定のインシデントとそのアクターに関する情報をテキストから導き出そうとする。 EEは知識ベースの構築、情報検索、要約、オンライン監視システムなど、多くの領域で有用である。 COfEEは、環境問題、サイバースペース、犯罪活動、自然災害に関連する新しいカテゴリを含む2つの階層レベル(イベントタイプとイベントサブタイプ)から構成されている。
  論文  参考訳（メタデータ） (2021-07-21T19:43:22Z)
• 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)
• Understanding Crowd Behaviors in a Social Event by Passive WiFi Sensing and Data Mining [21.343209622186606]
  本研究では,大規模社会イベントにおける群集行動に関連する3種類のパターンを抽出する包括的データ分析フレームワークを提案する。 まず,移動体の軌跡を探索要求から抽出し,群衆の動きの空間的パターンを明らかにする。 次に、k-meansとk-shapeクラスタリングアルゴリズムを適用し、群衆を訪れる時間パターンを日と場所によって抽出する。
  論文  参考訳（メタデータ） (2020-02-05T03:36:00Z)

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。