文献

J-GLOBAL ID：201702247381691725   整理番号：17A0856746

時空事象予測のための特徴制約付きマルチタスク学習モデル【Powered by NICT】

Feature Constrained Multi-Task Learning Models for Spatiotemporal Event Forecasting

著者 (6件)： Zhao Liang (Department of Information Science and Technology, George Mason University, Fairfax, VA) ,  Sun Qian (School of Computing, Informatics, and Decision System Engineering, Arizona State University, Phoenix, AZ) ,  Ye Jieping (Department of Computational Medicine and Bioinformatics and the Department of Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI) ,  Chen Feng (Department of Computer Science, University at Albany, Albany, NY) ,  Lu Chang-Tien (Department of Computer Science, Virginia Tech, Falls Church, VA) ,  Ramakrishnan Naren (Department of Computer Science, Virginia Tech, Falls Church, VA)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 29  号： 5  ページ： 1059-1072  発行年： 2017年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ソーシャルメディアからの空間事象予測は潜在的に非常に有用であるが重要な課題を抱えている,特徴の動的パターン(キーワード)と地理的不均一性(例えば,異なる位置における空間相関,不均衡試料,および異なる集団)である。ほとんどの既存のアプローチ(例えば,LASSO回帰,動的質問拡張,バースト検出)は,全てではないが,これらの課題のいくつかを取り上げて論じた。ここでは,含まれる全ての課題を扱う同時にすることを目的とした新しいマルチタスク学習フレームワークを提案した。具体的には,位置(例えば,都市)のコレクションが与えられた時,予測モデルは,各位置のためのサンプルサイズを増加させる効果的に適切な共有情報を抽出し,利用して同時に全ての場所のために構築された,予測性能を改善した。新しいモデルは,マルチタスク特徴学習フレームワークにおける動的質問拡張から発生したドメイン専門家と動的特徴によって事前定義された語彙由来の静的特徴を組み合わせたものである。静的および動的項の間のバランスの均一性と多様性に対する異なる戦略についても検討した。また,反復グループハードしきい値処理に基づく効率的なアルゴリズムは,効率的かつ効果的なモデル訓練と予測を達成するために開発した。国内不穏状態とインフルエンザ発生データセットからツイッターデータ上での包括的実験的評価は筆者らの提案アプローチの有効性および効率性を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *学習 ,  キーワード ,  アルゴリズム ,  都市 ,  *予測 ,  予測モデル ,  語彙 ,  インフルエンザ ,  不均衡 ,  モデル
準シソーラス用語： 閾値処理 ,  *マルチタスク ,  予測性能 ,  空間相関 ,  ソーシャルメディア ,  *マルチタスク学習 , 【Automatic Indexing@JST】

分類 (1件)： データベースシステム  (JD03030U)

タイトルに関連する用語 (6件)： 時空 ,  事象 ,  予測 ,  制約 ,  マルチタスク ,  学習モデル