論文の概要: Adaptive Differentially Private Structural Entropy Minimization for Unsupervised Social Event Detection
- arxiv url: http://arxiv.org/abs/2407.18274v1
- Date: Tue, 23 Jul 2024 11:19:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-29 15:18:53.304196
- Title: Adaptive Differentially Private Structural Entropy Minimization for Unsupervised Social Event Detection
- Title（参考訳）: 非教師付き社会的事象検出のための適応的微分プライベート構造エントロピー最小化
- Authors: Zhiwei Yang, Yuecen Wei, Haoran Li, Qian Li, Lei Jiang, Li Sun, Xiaoyan Yu, Chunming Hu, Hao Peng,
- Abstract要約: 社会的事象の検出は、意見分析、社会的安全、意思決定など、多くの分野で重要である。
現在のほとんどのメソッドは監視されており、大量のデータにアクセスする必要があります。
プライバシを優先する,教師なしのソーシャルイベント検出手法であるADP-SEMEventを提案する。
- 参考スコア（独自算出の注目度）: 29.13690542566747
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social event detection refers to extracting relevant message clusters from social media data streams to represent specific events in the real world. Social event detection is important in numerous areas, such as opinion analysis, social safety, and decision-making. Most current methods are supervised and require access to large amounts of data. These methods need prior knowledge of the events and carry a high risk of leaking sensitive information in the messages, making them less applicable in open-world settings. Therefore, conducting unsupervised detection while fully utilizing the rich information in the messages and protecting data privacy remains a significant challenge. To this end, we propose a novel social event detection framework, ADP-SEMEvent, an unsupervised social event detection method that prioritizes privacy. Specifically, ADP-SEMEvent is divided into two stages, i.e., the construction stage of the private message graph and the clustering stage of the private message graph. In the first stage, an adaptive differential privacy approach is used to construct a private message graph. In this process, our method can adaptively apply differential privacy based on the events occurring each day in an open environment to maximize the use of the privacy budget. In the second stage, to address the reduction in data utility caused by noise, a novel 2-dimensional structural entropy minimization algorithm based on optimal subgraphs is used to detect events in the message graph. The highlight of this process is unsupervised and does not compromise differential privacy. Extensive experiments on two public datasets demonstrate that ADP-SEMEvent can achieve detection performance comparable to state-of-the-art methods while maintaining reasonable privacy budget parameters.
- Abstract（参考訳）: ソーシャルイベント検出(Social Event Detection)とは、ソーシャルメディアのデータストリームから関連するメッセージクラスタを抽出して、現実世界の特定のイベントを表現すること。
社会的事象の検出は、意見分析、社会的安全、意思決定など、多くの分野で重要である。
現在のほとんどのメソッドは監視されており、大量のデータにアクセスする必要があります。
これらの方法は、イベントに関する事前の知識を必要とし、メッセージに機密情報を漏らすリスクが高いため、オープンワールド環境では適用できない。
したがって、メッセージのリッチな情報を完全に活用しながら教師なし検出を行い、データのプライバシを保護することは大きな課題である。
そこで本稿では,プライバシを優先する非教師付きソーシャルイベント検出手法であるADP-SEMEventを提案する。
具体的には、ADP-SEMEventは、プライベートメッセージグラフの構築段階とプライベートメッセージグラフのクラスタ化段階という2つの段階に分けられる。
第一段階では、適応微分プライバシーアプローチを用いてプライベートメッセージグラフを構築する。
このプロセスでは、オープン環境において毎日発生する事象に基づいて、差分プライバシーを適応的に適用し、プライバシー予算の使用を最大化することができる。
第2段階では、ノイズによるデータ有用性の低減に対処するために、最適なサブグラフに基づく2次元構造エントロピー最小化アルゴリズムを用いて、メッセージグラフ内のイベントを検出する。
このプロセスのハイライトは監視されず、差分プライバシーを損なわない。
2つの公開データセットに関する大規模な実験は、ADP-SEMEventが適切なプライバシー予算パラメータを維持しながら、最先端のメソッドに匹敵する検出性能を達成できることを実証している。
関連論文リスト
- Collaborative Inference over Wireless Channels with Feature Differential Privacy [57.68286389879283]
複数の無線エッジデバイス間の協調推論は、人工知能(AI)アプリケーションを大幅に強化する可能性がある。
抽出された特徴を抽出することは、プロセス中に機密性の高い個人情報が暴露されるため、重大なプライバシーリスクをもたらす。
本稿では,ネットワーク内の各エッジデバイスが抽出された機能のプライバシを保護し,それらを中央サーバに送信して推論を行う,新たなプライバシ保存協調推論機構を提案する。
論文 参考訳（メタデータ） (2024-10-25T18:11:02Z) - Activity Recognition on Avatar-Anonymized Datasets with Masked Differential Privacy [64.32494202656801]
プライバシを保存するコンピュータビジョンは、機械学習と人工知能において重要な問題である。
本稿では,ビデオデータセット中の感性のある被験者を文脈内の合成アバターに置き換える匿名化パイプラインを提案する。
また、匿名化されていないがプライバシーに敏感な背景情報を保護するため、MaskDPを提案する。
論文 参考訳（メタデータ） (2024-10-22T15:22:53Z) - 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) - Hierarchical and Incremental Structural Entropy Minimization for
Unsupervised Social Event Detection [61.87480191351659]
グラフニューラルネットワーク(GNN)ベースの手法は、自然言語の意味論と複雑なソーシャルネットワーク構造情報の融合を可能にする。
本稿では,グラフ構造エントロピー(SE)最小化による社会事象の検出について述べる。
GNNベースの手法の利点を維持しながら、提案するフレームワークであるHISEventは、より有益なメッセージグラフを構築している。
論文 参考訳（メタデータ） (2023-12-19T06:28:32Z) - A Summary of Privacy-Preserving Data Publishing in the Local Setting [0.6749750044497732]
統計開示制御は、機密情報を匿名化して暴露するリスクを最小限にすることを目的としている。
マイクロデータの復号化に使用される現在のプライバシ保存技術について概説し、様々な開示シナリオに適したプライバシ対策を掘り下げ、情報損失と予測性能の指標を評価する。
論文 参考訳（メタデータ） (2023-12-19T04:23:23Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-09-27T14:38:16Z) - DP2-Pub: Differentially Private High-Dimensional Data Publication with
Invariant Post Randomization [58.155151571362914]
本稿では,2つのフェーズで動作する差分プライベートな高次元データパブリッシング機構(DP2-Pub)を提案する。
属性をクラスタ内凝集度の高い低次元クラスタに分割し、クラスタ間の結合度を低くすることで、適切なプライバシ予算を得ることができる。
また、DP2-Pubメカニズムを、ローカルの差分プライバシーを満たす半正直なサーバでシナリオに拡張します。
論文 参考訳（メタデータ） (2022-08-24T17:52:43Z) - Unsupervised Event Detection, Clustering, and Use Case Exposition in
Micro-PMU Measurements [0.0]
我々はGAN(Generative Adversarial Networks)の概念に基づく教師なしイベント検出手法を開発した。
また,線形混合整数計画法に基づく2段階のアン教師なしクラスタリング手法を提案する。
結果から,本研究で広く普及している手法に勝るものであることが示唆された。
論文 参考訳（メタデータ） (2020-07-30T05:20:29Z) - 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)
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。