論文の概要: Neural Total Variation Distance Estimators for Changepoint Detection in News Data

• arxiv url: http://arxiv.org/abs/2506.18764v1
• Date: Mon, 23 Jun 2025 15:33:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:37.058172
• Title: Neural Total Variation Distance Estimators for Changepoint Detection in News Data
• Title（参考訳）: ニュースデータにおける変化点検出のためのニューラルトータル変動距離推定器
• Authors: Csaba Zsolnai, Niels Lörch, Julian Arnold,
• Abstract要約: ニューズデータにおける変化点検出にニューラルネットワークを活用し,いわゆる「学習・バイ・コンフュージョン・スキーム」に基づく手法を導入する。 我々は,この手法が,ガーディアン紙の合成データセットと実世界のデータの両方に与える影響を実証した。 我々のアプローチでは、最小限のドメイン知識が必要であり、公開談話における重要な変化を自律的に発見でき、コンテンツの変化の定量的な測定結果が得られる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting when public discourse shifts in response to major events is crucial for understanding societal dynamics. Real-world data is high-dimensional, sparse, and noisy, making changepoint detection in this domain a challenging endeavor. In this paper, we leverage neural networks for changepoint detection in news data, introducing a method based on the so-called learning-by-confusion scheme, which was originally developed for detecting phase transitions in physical systems. We train classifiers to distinguish between articles from different time periods. The resulting classification accuracy is used to estimate the total variation distance between underlying content distributions, where significant distances highlight changepoints. We demonstrate the effectiveness of this method on both synthetic datasets and real-world data from The Guardian newspaper, successfully identifying major historical events including 9/11, the COVID-19 pandemic, and presidential elections. Our approach requires minimal domain knowledge, can autonomously discover significant shifts in public discourse, and yields a quantitative measure of change in content, making it valuable for journalism, policy analysis, and crisis monitoring.
• Abstract（参考訳）: 社会のダイナミクスを理解するためには、主要な出来事に反応して公共の談話がいつシフトするかを検出することが不可欠である。 実世界のデータは高次元でスパースでノイズが多いため、この領域における変更点検出は困難な作業となっている。 本稿では,ニューズデータにおける変化点検出にニューラルネットワークを活用し,物理系における位相遷移を検出するために開発された,いわゆるラーニング・バイ・コンフュージョン・スキームに基づく手法を提案する。 分類器を訓練して、異なる期間の記事を区別します。 得られた分類精度は、コンテンツ分布間の全変動距離を推定するために使用され、そこでは大きな距離が変化点をハイライトする。 我々は,この手法が,9/11,新型コロナウイルスのパンデミック,大統領選挙など主要な歴史的事象の特定に成功した,ガーディアン紙の合成データセットと実世界のデータの両方に与える影響を実証した。 我々のアプローチには、最小限のドメイン知識が必要であり、公開談話における重要な変化を自律的に発見し、コンテンツの変化を定量的に測定し、ジャーナリズム、政策分析、危機監視に有用である。

関連論文リスト

• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Change points detection in crime-related time series: an on-line fuzzy approach based on a shape space representation [0.0]
  本稿では,犯罪関連時系列における変化点の検出と問合せを行うオンライン手法を提案する。 この手法は、非常に低い計算コストで変化点を正確に検出することができる。
  論文  参考訳（メタデータ） (2023-12-18T10:49:03Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Automatic Change-Point Detection in Time Series via Deep Learning [8.43086628139493]
  ニューラルネットワークのトレーニングに基づいて,新しいオフライン検出手法を自動生成する方法を示す。 本稿では,そのような手法の誤差率を定量化する理論について述べる。 また,加速度計データに基づく活動変化の検出と位置推定にも強い効果が得られた。
  論文  参考訳（メタデータ） (2022-11-07T20:59:14Z)
• On Generalizing Beyond Domains in Cross-Domain Continual Learning [91.56748415975683]
  ディープニューラルネットワークは、新しいタスクを学んだ後、これまで学んだ知識の破滅的な忘れ込みに悩まされることが多い。 提案手法は、ドメインシフト中の新しいタスクを精度良く学習することで、DomainNetやOfficeHomeといった挑戦的なデータセットで最大10%向上する。
  論文  参考訳（メタデータ） (2022-03-08T09:57:48Z)
• WATCH: Wasserstein Change Point Detection for High-Dimensional Time Series Data [4.228718402877829]
  変化点検出方法は、教師なしの方法で変化を検出する能力を持つ。 本稿では,ワッサーシュタイン距離に基づく変化点検出手法であるWATCHを提案する。 広範な評価により、WATCHは変化点を正確に識別し、最先端の手法より優れていることが示されている。
  論文  参考訳（メタデータ） (2022-01-18T16:55:29Z)
• Combating Temporal Drift in Crisis with Adapted Embeddings [58.4558720264897]
  言語の使用は時間とともに変化し、NLPシステムの有効性に影響を与える可能性がある。 本研究は,危機時の言論変化に対応する方法を検討する。
  論文  参考訳（メタデータ） (2021-04-17T13:11:41Z)
• Pretrained equivariant features improve unsupervised landmark discovery [69.02115180674885]
  我々は、この課題を克服する2段階の教師なしアプローチを、強力なピクセルベースの特徴を初めて学習することによって定式化する。 本手法は,いくつかの難解なランドマーク検出データセットにおいて最先端の結果を生成する。
  論文  参考訳（メタデータ） (2021-04-07T05:42:11Z)

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。