論文の概要: EnrichEvent: Enriching Social Data with Contextual Information for Emerging Event Extraction

• arxiv url: http://arxiv.org/abs/2307.16082v7
• Date: Sat, 05 Apr 2025 18:22:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 16:00:09.518683
• Title: EnrichEvent: Enriching Social Data with Contextual Information for Emerging Event Extraction
• Title（参考訳）: EnrichEvent: イベント抽出の進化のためのコンテキスト情報によるソーシャルデータ強化
• Authors: Mohammadali Sefidi Esfahani, Mohammad Akbari,
• Abstract要約: 本稿では、ストリーミングソーシャルデータから特定されていないイベントを特定するために、エンドツーエンドの新規フレームワークであるEnrichEventを提案する。 我々は、ツイートの文脈的知識を活用して、その表現を豊かにし、イベントに関するユーザの意見をよりよく把握する。
• 参考スコア（独自算出の注目度）: 4.905346662577355
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Social platforms have emerged as crucial platforms for distributing information and discussing social events, offering researchers an excellent opportunity to design and implement novel event detection frameworks. Identifying unspecified events and detecting events without prior knowledge enables governments, aid agencies, and experts to respond swiftly and effectively to unfolding situations, such as natural disasters, by assessing severity and optimizing aid delivery. Social data is characterized by misspellings, incompleteness, word sense ambiguation, and irregular language. While discussing an ongoing event, users share different opinions and perspectives based on their prior experience, background, and knowledge. Prior works primarily leverage tweets' lexical and structural patterns to capture users' opinions and views about events. In this study, we propose an end-to-end novel framework, EnrichEvent, to identify unspecified events from streaming social data. In addition to lexical and structural patterns, we leverage contextual knowledge of the tweets to enrich their representation and gain a better perspective on users' opinions about events. Compared to our baselines, the EnrichEvent framework achieves the highest values for Consolidation outcome with an average of 87% vs. 67% and the lowest for Discrimination outcome with an average of 10% vs. 16%. Moreover, the Trending Data Extraction module in the EnrichEvent framework improves efficiency by reducing Runtime by up to 50% by identifying and discarding irrelevant tweets within message blocks, making the framework highly scalable for processing streaming data. Our source code and dataset are available in our official replication package.
• Abstract（参考訳）: ソーシャルプラットフォームは、情報配信やソーシャルイベントの議論において重要なプラットフォームとして登場し、研究者が新しいイベント検出フレームワークを設計し実装する素晴らしい機会を提供している。 未特定事象を特定し、事前の知識のない事象を検出することにより、政府、援助機関、専門家は、重大度を評価し、援助提供を最適化することにより、自然災害などの展開状況に対して迅速かつ効果的に対応できる。 社会データの特徴は、ミススペル、不完全性、単語感覚の曖昧さ、不規則な言語である。 進行中のイベントについて議論しながら、ユーザは、以前の経験、バックグラウンド、知識に基づいて、さまざまな意見と視点を共有します。 以前の作業は、主にツイートの語彙的および構造的パターンを利用して、ユーザの意見やイベントに関する見解をキャプチャする。 本研究では,ストリーミングソーシャルデータから特定されていないイベントを特定するための,エンドツーエンドな新しいフレームワークであるEnrichEventを提案する。 語彙的および構造的パターンに加えて、ツイートの文脈的知識を活用して、その表現を豊かにし、イベントに関するユーザの意見をよりよく把握する。 ベースラインと比較して、EnrichEventフレームワークは、コンソリデーション結果の最高値を平均87%対67%で達成し、差別結果の最低値を平均10%対16%で達成しています。 さらに、EnrichEventフレームワークのトレンドデータ抽出モジュールは、メッセージブロック内で無関係なつぶやきを識別および破棄することにより、ランタイムを最大50%削減することで効率を向上し、ストリーミングデータを処理するためのフレームワークを高度にスケーラブルにする。 ソースコードとデータセットは、公式のレプリケーションパッケージで利用可能です。

関連論文リスト

• Towards Effective, Efficient and Unsupervised Social Event Detection in the Hyperbolic Space [54.936897625837474]
  この記事では、教師なしフレームワークHyperSED(Hyperbolic SED)を紹介します。 具体的には、まずソーシャルメッセージをセマンティックベースのメッセージアンカーにモデル化し、次にアンカーグラフの構造を利用する。 公開データセットの実験では、HyperSEDの競合性能と、大幅な効率向上が示されている。
  論文  参考訳（メタデータ） (2024-12-14T06:55:27Z)
• 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)
• Evolving to the Future: Unseen Event Adaptive Fake News Detection on Social Media [27.236656042545796]
  textbfFuture textbfADaptive textbfEvent-based Fake News Detection (FADE) framework。 具体的には、適応的拡張戦略とグラフコントラスト学習を用いて目標予測器を訓練し、高品質な特徴を得る。 我々は、イベントのみ予測器の出力を目標予測器の出力から引いて最終的な予測値を得ることにより、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)
• Towards Event Extraction from Speech with Contextual Clues [61.164413398231254]
  本稿では,音声イベント抽出(SpeechEE)タスクを導入し,3つの合成トレーニングセットと1つの人為的テストセットを構築した。 テキストからのイベント抽出と比較して、SpeechEEは、主に連続的で単語境界を持たない複雑な音声信号のために、より大きな課題を提起する。 我々の手法はすべてのデータセットに大幅な改善をもたらし、最大10.7%のF1ゲインを達成する。
  論文  参考訳（メタデータ） (2024-01-27T11:07:19Z)
• CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
  半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。 私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
  論文  参考訳（メタデータ） (2023-10-23T07:01:09Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Organized Event Participant Prediction Enhanced by Social Media Retweeting Data [8.675064911866201]
  本稿では、ソーシャルメディアのリツイート活動データを利用して、イベント参加者予測モデルの学習を強化することを提案する。 実世界データを用いた総合的な実験を2つのシナリオで実施する。
  論文  参考訳（メタデータ） (2023-10-02T04:26:07Z)
• EDSA-Ensemble: an Event Detection Sentiment Analysis Ensemble Architecture [63.85863519876587]
  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。
  論文  参考訳（メタデータ） (2023-01-30T11:56:08Z)
• MUSIED: A Benchmark for Event Detection from Multi-Source Heterogeneous Informal Texts [7.43647091073357]
  イベント検出(ED)は、構造化されていないテキストからイベントトリガーを特定し、分類する。 本稿では,ユーザレビュー,テキスト会話,電話会話に基づく,中国の大規模イベント検出データセットを提案する。
  論文  参考訳（メタデータ） (2022-11-25T05:05:29Z)
• Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
  本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。 我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
  論文  参考訳（メタデータ） (2021-09-13T20:50:37Z)
• 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)
• 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)
• Detecting Ongoing Events Using Contextual Word and Sentence Embeddings [110.83289076967895]
  本稿では,OED(Ongoing Event Detection)タスクを紹介する。 目的は、歴史、未来、仮説、あるいは新しいものでも現在のものでもない他の形式や出来事に対してのみ、進行中のイベントの言及を検出することである。 構造化されていないテキストから進行中のイベントに関する構造化情報を抽出する必要があるアプリケーションは、OEDシステムを利用することができる。
  論文  参考訳（メタデータ） (2020-07-02T20:44:05Z)
• Embed2Detect: Temporally Clustered Embedded Words for Event Detection in Social Media [1.7205106391379026]
  ワード埋め込みの採用により、Embed2Detectは強力なセマンティック機能をイベント検出に組み込むことができる。 以上の結果から,Embed2Detectは効率的かつ効率的なイベント検出が可能であることが示唆された。
  論文  参考訳（メタデータ） (2020-06-10T15:52:52Z)
• Predicting event attendance exploring social influence [0.5134435281973136]
  イベント出席者に対する友人の社会的影響をモデル化することを提案する。 利用者の出席度を推定するために,ソーシャルグループ構造以外の非タグ付き投稿を考察する。 演奏評価は2つの大音楽祭データセットを用いて行う。
  論文  参考訳（メタデータ） (2020-02-16T20:03:29Z)

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。