論文の概要: Redefining Event Types and Group Evolution in Temporal Data
- arxiv url: http://arxiv.org/abs/2403.06771v1
- Date: Mon, 11 Mar 2024 14:39:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-12 18:43:28.757570
- Title: Redefining Event Types and Group Evolution in Temporal Data
- Title(参考訳): 時間データにおけるイベントタイプの再定義とグループ進化
- Authors: Andrea Failla and R\'emy Cazabet and Giulio Rossetti and Salvatore
Citraro
- Abstract要約: 時間的データにおいて、集団進化を特徴づける主要なアプローチは、出来事の特定を通じてである」。
我々は事象をアーチェタイプとして考える」とは、我々がファセット・エクセレミティ(facet extremities)と呼ぶ定量的次元のユニークな組み合わせによって特徴づけられる。
本フレームワークは,複数の対面インタラクションデータセットからグループを進化させ,よりリッチで信頼性の高いグループダイナミクスのキャラクタリゼーションを可能にする。
- 参考スコア(独自算出の注目度): 0.16385815610837165
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Groups -- such as clusters of points or communities of nodes -- are
fundamental when addressing various data mining tasks. In temporal data, the
predominant approach for characterizing group evolution has been through the
identification of ``events". However, the events usually described in the
literature, e.g., shrinks/growths, splits/merges, are often arbitrarily
defined, creating a gap between such theoretical/predefined types and real-data
group observations. Moving beyond existing taxonomies, we think of events as
``archetypes" characterized by a unique combination of quantitative dimensions
that we call ``facets". Group dynamics are defined by their position within the
facet space, where archetypal events occupy extremities. Thus, rather than
enforcing strict event types, our approach can allow for hybrid descriptions of
dynamics involving group proximity to multiple archetypes. We apply our
framework to evolving groups from several face-to-face interaction datasets,
showing it enables richer, more reliable characterization of group dynamics
with respect to state-of-the-art methods, especially when the groups are
subject to complex relationships. Our approach also offers intuitive solutions
to common tasks related to dynamic group analysis, such as choosing an
appropriate aggregation scale, quantifying partition stability, and evaluating
event quality.
- Abstract(参考訳): ポイントのクラスタやノードのコミュニティといったグループは、さまざまなデータマイニングタスクに取り組む上で基本です。
In temporal data, the predominant approach for characterizing group evolution has been through the identification of ``events". However, the events usually described in the literature, e.g., shrinks/growths, splits/merges, are often arbitrarily defined, creating a gap between such theoretical/predefined types and real-data group observations. Moving beyond existing taxonomies, we think of events as ``archetypes" characterized by a unique combination of quantitative dimensions that we call ``facets".
群動力学はファセット空間内のそれらの位置によって定義され、そこではアーチ型イベントが四肢を占める。
したがって、厳密なイベントタイプを強制するのではなく、複数のアーチタイプにグループ近接を含むダイナミクスのハイブリッド記述を可能にする。
いくつかの対面相互作用データセットからグループを進化させ,特に群が複雑な関係にある場合に,よりリッチで信頼性の高いグループダイナミクスのキャラクタリゼーションを可能にする。
また,適切な集約尺度の選択,パーティショニング安定性の定量化,イベント品質の評価など,動的グループ分析に関連する共通タスクに対する直感的なソリューションを提供する。
関連論文リスト
- Towards Efficient and Effective Deep Clustering with Dynamic Grouping
and Prototype Aggregation [4.550555443103878]
本稿ではDigProと呼ばれる動的グループ化とプロトタイプアグリゲーションを備えた新しいエンドツーエンドのディープクラスタリングフレームワークを提案する。
具体的には、動的グルーピングがインスタンスレベルからグループレベルへのコントラスト学習を拡張し、グループをタイムリーに更新するのに効率的かつ効率的である。
期待最大化フレームワークにより、DigProはクラスタ内接続のコンパクトな接続、よく分離されたクラスタ、そしてセルフ教師付きトレーニング中の効率的なグループ更新を同時に活用する。
論文 参考訳(メタデータ) (2024-01-24T16:45:42Z) - Unified and Dynamic Graph for Temporal Character Grouping in Long Videos [31.192044026127032]
ビデオ時間的キャラクタグループ化は、ビデオ内の主要なキャラクタの出現モーメントを、そのアイデンティティに応じて特定する。
最近の研究は、教師なしクラスタリングからグラフベースのクラスタリングへと進化してきた。
時間的文字グループ化のための統一動的グラフ(UniDG)フレームワークを提案する。
論文 参考訳(メタデータ) (2023-08-27T13:22:55Z) - HiPerformer: Hierarchically Permutation-Equivariant Transformer for Time
Series Forecasting [56.95572957863576]
本稿では,同じ群を構成する成分間の関係と群間の関係を考察した階層的置換同変モデルを提案する。
実世界のデータを用いた実験により,提案手法が既存の最先端手法より優れていることを示す。
論文 参考訳(メタデータ) (2023-05-14T05:11:52Z) - Composite Feature Selection using Deep Ensembles [130.72015919510605]
本研究では,事前定義されたグループ化を伴わない予測的特徴群発見の問題について検討する。
本稿では,特徴選択モデルのアンサンブルを用いて予測グループを探索する,新しいディープラーニングアーキテクチャを提案する。
発見群と基底真理の類似性を測定するための新しい尺度を提案する。
論文 参考訳(メタデータ) (2022-11-01T17:49:40Z) - Rethinking Trajectory Prediction via "Team Game" [118.59480535826094]
本稿では,対話型グループコンセンサスの概念を明示的に導入した,マルチエージェント軌道予測の新しい定式化について述べる。
チームスポーツと歩行者の2つのマルチエージェント設定において,提案手法は既存手法と比較して常に優れた性能を達成している。
論文 参考訳(メタデータ) (2022-10-17T07:16:44Z) - Cluster-to-adapt: Few Shot Domain Adaptation for Semantic Segmentation
across Disjoint Labels [80.05697343811893]
クラスタ・トゥ・アダプティブ(Cluster-to-Adapt, C2A)は、セグメンテーションデータセット間のドメイン適応のための、計算的に効率的なクラスタリングベースのアプローチである。
変換された特徴空間に強制されるそのようなクラスタリングの目的は、ソースドメインとターゲットドメインのカテゴリを自動的に選択するのに役立つことを示す。
論文 参考訳(メタデータ) (2022-08-04T17:57:52Z) - Conversation Group Detection With Spatio-Temporal Context [11.288403109735544]
本稿では,カクテルパーティーやネットワークイベントなどの社会的シナリオにおける会話グループ検出手法を提案する。
環境の空間的文脈を活用することの恩恵を受けることができる学習問題として,会話グループの検出を仮定する。
これはLSTMに基づく動的深層学習モデルから成り、連続的なペアワイド親和性値を予測するアプローチである。
論文 参考訳(メタデータ) (2022-06-02T08:05:02Z) - Towards Group Robustness in the presence of Partial Group Labels [61.33713547766866]
入力サンプルとターゲットラベルの間に 急激な相関関係がある ニューラルネットワークの予測を誤った方向に導く
本稿では,制約セットから最悪のグループ割り当てを最適化するアルゴリズムを提案する。
グループ間で総合的な集計精度を維持しつつ,少数集団のパフォーマンス向上を示す。
論文 参考訳(メタデータ) (2022-01-10T22:04:48Z) - GroupFormer: Group Activity Recognition with Clustered Spatial-Temporal
Transformer [16.988878921451484]
GroupFormerは、個人とグループ表現を増強するために、空間的・時間的コンテキスト情報を共同でキャプチャする。
提案するフレームワークは,VolleyballデータセットとCollective Activityデータセットの最先端メソッドよりも優れている。
論文 参考訳(メタデータ) (2021-08-28T11:24:36Z) - Learning Multi-Attention Context Graph for Group-Based Re-Identification [214.84551361855443]
オーバーラップしていないカメラシステムを介して人々のグループを再識別または取得することを学ぶことは、ビデオ監視において重要なアプリケーションです。
本研究では,グループre-idというグループを識別するためのコンテキスト情報の利用を検討する。
本研究では,グループベースリドタスクを同時に処理するグラフニューラルネットワークに基づく新しい統合フレームワークを提案する。
論文 参考訳(メタデータ) (2021-04-29T09:57:47Z)
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。