文献

J-GLOBAL ID：201702236168927387   整理番号：17A0213818

ソーシャルメディアにおける多重解像度空間事象予測【Powered by NICT】

Multi-resolution Spatial Event Forecasting in Social Media

著者 (4件)： Zhao Liang ,  Chen Feng ,  Lu Chang-Tien ,  Ramakrishnan Naren
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICDM  ページ： 689-698  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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は顕著な代理forspatial事象予測となっている。空間事象予測モデルの精度と識別不能は二つの重要な関心事である,whichrespectivelyは正確か,どのように詳細なthemodelの予測できる決定した。既存研究は,精度のみを最もattentiononを,accuracyand識別不能を同時に考慮した殆ど,これはかなりより洗練されたモデルをrequiresaながらいくつかの挑戦をsufferingfromからである1)精度と識別不能のthetradeの正確な定式化,2)高空間分解能を持つscarcityofソーシャルメディアデータ,および3)空間相関と不均一性の特性化。本論文では,異なるspatialresolutionsと異なる場所のformulatingpredictionタスクにより上記の全ての課題を扱ったthatconcurrently新しい特徴学習モデルを提案し,特性化する不均一関係amongtheタスクを可能にした。この特性化は,マルチタスク学習に基づく新しいモデル,そのパラメータは増倍器(ADMM)の交互方向法に関する著者らの提案したalgorithmbasedによる最適化にthenintegratedである。11datasetsfrom異なるドメイン上での包括的実験的評価はourproposedアプローチの有効性を示した。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： 最適化 ,  定式化 ,  *キャラクタリゼーション ,  学習モデル ,  予測モデル ,  不均一性 ,  高空間分解能 ,  *多重解像度 ,  改変 ,  モデル
準シソーラス用語： マルチタスク学習 ,  空間相関 ,  *ソーシャルメディア , 【Automatic Indexing@JST】

分類 (2件)： 集積回路一般  (NC03161C) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (4件)： ソーシャルメディア ,  多重解像度 ,  事象 ,  予測