論文の概要: Prismatic: Interactive Multi-View Cluster Analysis of Concept Stocks

• arxiv url: http://arxiv.org/abs/2402.08978v1
• Date: Wed, 14 Feb 2024 06:47:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-15 16:46:44.024141
• Title: Prismatic: Interactive Multi-View Cluster Analysis of Concept Stocks
• Title（参考訳）: prismatic:インタラクティブなマルチビュークラスタによるコンセプトストックの分析
• Authors: Wong Kam-Kwai, Yan Luo, Xuanwu Yue, Wei Chen, Huamin Qu
• Abstract要約: 本研究では,ビジネス関係知識の定量的分析と質的分析を統合した視覚分析システムPrismaticを提案する。
• 参考スコア（独自算出の注目度）: 42.39389192863717
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Financial cluster analysis allows investors to discover investment alternatives and avoid undertaking excessive risks. However, this analytical task faces substantial challenges arising from many pairwise comparisons, the dynamic correlations across time spans, and the ambiguity in deriving implications from business relational knowledge. We propose Prismatic, a visual analytics system that integrates quantitative analysis of historical performance and qualitative analysis of business relational knowledge to cluster correlated businesses interactively. Prismatic features three clustering processes: dynamic cluster generation, knowledge-based cluster exploration, and correlation-based cluster validation. Utilizing a multi-view clustering approach, it enriches data-driven clusters with knowledge-driven similarity, providing a nuanced understanding of business correlations. Through well-coordinated visual views, Prismatic facilitates a comprehensive interpretation of intertwined quantitative and qualitative features, demonstrating its usefulness and effectiveness via case studies on formulating concept stocks and extensive interviews with domain experts.
• Abstract（参考訳）: 金融クラスター分析により、投資家は投資代替案を発見し、過度のリスクを回避できる。 しかし、この分析タスクは、多くの対数比較、時間スパン間の動的相関、ビジネス関係知識からの影響を導出する曖昧さから生じる実質的な課題に直面している。 本研究では,歴史的業績の定量的分析とビジネス関係知識の質的分析と,相互に関連付けられたビジネスのクラスタ分析を統合するビジュアル分析システムprismaticを提案する。 prismaticは、動的クラスタ生成、知識ベースのクラスタ探索、相関ベースのクラスタ検証という3つのクラスタリングプロセスを備えている。 マルチビュークラスタリングアプローチを利用することで、知識駆動の類似性を備えたデータ駆動クラスタを強化し、ビジネス相関の微妙な理解を提供する。 良く協調された視覚的視点を通じて、Prismaticは、相互に結合した量的および質的な特徴の包括的解釈を促進し、その有用性と有効性を示す。

関連論文リスト

• Uniting contrastive and generative learning for event sequences models [51.547576949425604]
  本研究では,2つの自己指導型学習手法 – 例えば,コントラスト学習と,潜在空間におけるマスクイベントの復元に基づく生成的アプローチ – の統合について検討する。 いくつかの公開データセットで行った実験は、シーケンス分類と次点型予測に焦点を合わせ、統合された手法が個々の手法と比較して優れた性能を達成することを示した。
  論文  参考訳（メタデータ） (2024-08-19T13:47:17Z)
• ParetoTracker: Understanding Population Dynamics in Multi-objective Evolutionary Algorithms through Visual Analytics [16.65441551504126]
  本稿では,人口動態の理解と検査を支援するための視覚分析フレームワークを提案する。 このフレームワークは、パフォーマンスメトリクスの全体的なトレンドの調査から、進化的操作のきめ細かい検査に至るまで、ユーザエンゲージメントと探索に役立っている。 このフレームワークの有効性は、広く採用されているベンチマーク最適化問題に焦点をあてたケーススタディと専門家インタビューを通じて実証される。
  論文  参考訳（メタデータ） (2024-08-08T15:46:11Z)
• A Methodology for Questionnaire Analysis: Insights through Cluster Analysis of an Investor Competition Data [0.0]
  アンケートにはカテゴリー的質問が含まれており、二分的質問、「はい」「はい」に還元される。 この手法は、クラスタリング分析を用いて質問や参加者に類似した回答をグループ化することで、次元性を減少させる。 財務データと交差すると、認識されたクラスタに関連する追加の洞察が明らかになった。
  論文  参考訳（メタデータ） (2024-02-09T19:44:29Z)
• Re-mine, Learn and Reason: Exploring the Cross-modal Semantic Correlations for Language-guided HOI detection [57.13665112065285]
  ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。 本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-25T14:20:52Z)
• Knowledge-Enhanced Hierarchical Information Correlation Learning for Multi-Modal Rumor Detection [82.94413676131545]
  マルチモーダルなうわさ検出のための知識強化型階層型情報相関学習手法(KhiCL)を提案する。 KhiCLは異質な一様性特徴を共通特徴空間に伝達するために、クロスモーダルな関節辞書を利用する。 画像やテキストから視覚的およびテキスト的実体を抽出し、知識関連推論戦略を設計する。
  論文  参考訳（メタデータ） (2023-06-28T06:08:20Z)
• Correlation Clustering with Active Learning of Pairwise Similarities [3.86170450233149]
  相関クラスタリングは、正と負のペアの類似性を扱う、よく知られた教師なしの学習環境である。 本稿では, ペアの類似性が事前に与えられておらず, コスト効率のよいクエリを行なわなければならない場合について検討する。 このタスクのための汎用的なアクティブラーニングフレームワークを開発し、いくつかの利点の恩恵を受けている。
  論文  参考訳（メタデータ） (2023-02-20T20:39:07Z)
• Unified Multi-View Orthonormal Non-Negative Graph Based Clustering Framework [74.25493157757943]
  我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。 また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
  論文  参考訳（メタデータ） (2022-11-03T08:18:27Z)
• ExpertNet: A Symbiosis of Classification and Clustering [22.324813752423044]
  ExpertNetは、クラスタ化された潜在表現を学習し、クラスタ固有の分類器を効果的に組み合わせてそれらを活用するために、新しいトレーニング戦略を使用している。 本研究では,6つの大規模臨床データセットの最先端手法に対するExpertNetの優位性を実証する。
  論文  参考訳（メタデータ） (2022-01-17T11:00:30Z)
• A Variational Information Bottleneck Approach to Multi-Omics Data Integration [98.6475134630792]
  本稿では,不完全な多視点観測のための深い変動情報ボトルネック (IB) 手法を提案する。 本手法は,対象物に関連のある視点内および視点間相互作用に焦点をあてるために,観測された視点の辺縁および結合表現にISBフレームワークを適用した。 実世界のデータセットの実験から、我々の手法はデータ統合から常に利益を得て、最先端のベンチマークより優れています。
  論文  参考訳（メタデータ） (2021-02-05T06:05:39Z)
• Coupling Learning of Complex Interactions [42.98602883069444]
  本稿では,学習システムにおける結合関係の関与に着目し,結合学習の概念に焦点をあてる。 ケーススタディでは、リコメンデータシステムの結合の処理、結合クラスタリングへの結合、結合ドキュメントクラスタリング、結合レコメンデータアルゴリズム、グループに対する結合挙動解析などが行われている。
  論文  参考訳（メタデータ） (2020-07-01T11:04:25Z)

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。