文献

J-GLOBAL ID：201702245618556291   整理番号：17A0318015

ソーシャルメディアからのイベントのコア意味論の発見【Powered by NICT】

Discovering the core semantics of event from social media

著者 (6件)： Liu Weidong (Shanghai University, Shanghai, China) ,  Luo Xiangfeng (Shanghai University, Shanghai, China) ,  Gong Zhiguo (University of Macau, Macau, China) ,  Xuan Junyu (Shanghai University, Shanghai, China) ,  Kou Ngai Meng (University of Macau, Macau, China) ,  Xu Zheng (The Third Research Institute of Ministry of Public Security, Shanghai, China)
資料名： Future Generation Computer Systems  (Future Generation Computer Systems)
巻： 64  ページ： 175-185  発行年： 2016年 
JST資料番号： A0620C  ISSN： 0167-739X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ツイッターとSina Weiboのようなソーシャルメディアは開いているので,大量の短いテキストの~11人の中国人簡易ブログウェブサイトhttp://weibo.com/。Web上で氾濫している。短いテキストの海洋は,Web上の冗長性,雑音と無関係な含有量により,サイバースペースにおける事象の限られたコア意味論を希釈し,事象のコア意味論の発見を困難にしている。主要な課題は,小規模関連関係による意味論的連想分布を効率的に学習するためどのように冗長性のない短いテキストの最小数による意味論的連想分布の被覆率を最大化する方法を含んでいる。上記の問題を解決するために,事象のコア意味論を発見するためのMarkov確率場に基づく方法を調べた。この方法は学習会関係分布のための意味論協調計算を作成し,事象のコア意味論としてK冗長性のないテキストを発見するための情報勾配計算を可能にした。TACデータセットとマイクロブログデータセット上で二種類の最先端レベル手法と比較して提案手法を評価した。結果は筆者らの手法がコア意味論を抽出する正確かつ効率的に他の方法よりも優れているを示した。提案した方法は,ビッグデータ解析のための短いテキスト自動生成,事象発見と要約に適用することができる。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 雑音 ,  *意味論 ,  Web【情報システム】 ,  仮想空間 ,  海洋 ,  小規模 ,  冗長性 ,  被覆率
準シソーラス用語： 自動生成 ,  ビッグデータ ,  Markov確率場 ,  中国人 ,  テキスト ,  ツイッター ,  *ソーシャルメディア , 【Automatic Indexing@JST】

著者キーワード (3件)： コア意味論 ,  意味論的リンクネットワーク ,  情報勾配

分類 (3件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (5件)： ソーシャルメディア ,  イベント ,  コア ,  意味論 ,  発見